一种少样本运动想象脑电信号分类方法

本申请提出一种少样本运动想象脑电信号分类方法。在源域预训练阶段，构建源域数据集及特征映射模块和分类模块，预训练特征映射模块和辅助分类器，丢弃预训练辅助分类器。元学习阶段，将源域数据集划分为元训练任务集，基于跨数据集运动想象解码框架，在支持集上内循环梯度下降优化任务参数，在查询集计算损失更新元参数，联合训练特征映射模块和分类模块，增强模型适应性与泛化能力。目标域验证与分类阶段，采集目标域用户少量脑电信号作为适配集，基于元学习阶段参数初始化，通过内循环梯度下降微调模型，提升了运动想象脑电信号分类效率与准确性；源域预训练奠定基础，元学习增强适应性，目标域微调实现精准分类。