一种基于脑电图特征的引导调优方法

本发明公开了一种基于脑电图特征的引导调优方法，该方法首先从源域和目标域中提取高置信度特征，生成质心特征，并构建跨域特征库。其次，通过关注质心特征之间的关系，对输入特征表示进行动态优化，增强模型对目标域任务的适应性。最后，EFGT通过线性融合自增强和跨域特征，实现域内和域间信息的统一表示。与此同时，结合协方差对齐、条件对抗训练及线性融合策略(自增强与跨域特征平衡)，形成多层次、自适应的特征对齐与增强框架(Feature Alignment and Enhancement Framework,FAEF)。该框架无需目标域标记数据或额外模态支持，仅通过伪标签生成和加权损失函数，显著提升模型在低信噪比、少标记场景下的泛化性能，推动非稳态EEG分类技术向实用化迈进。