一种基于无监督个体持续学习的EEG解码方法

本发明公开了一种基于无监督个体持续学习的EEG解码方法，通过设计无监督个体持续学习框架并训练增量模型，在提高增量个体性能的基础上同时提高模型在未知受试者上的性能，进而解决EEG模型在未知受试者上的泛化问题。本发明利用自监督对比学习方法生成高质量的增量个体伪标签，并利用基于动态置信的缓存区选择回放混合真伪标签对样本用于微调，再利用跨轮次对齐算法减小模型分布随着持续学习再特征空间的潜在漂移，进而使增量模型在增量个体的性能提升的同时，提高模型面对未知受试者的泛化性。