一种基于多视图特征的模块自适应脑电信号EEG分类方法

本发明提供了一种基于多视图特征的模块自适应脑电信号EEG分类方法。首先，构建多域特征提取网络，能够分离出时域、频域、空域等多个视图特征并实现脑电信号分类；其次，采用模块化迁移适配策略实现网络参数微调，其中，采用迁移分数量化各视图特征在跨个体迁移中的有效性，采用基于高斯混合模型的聚类分析，实现迁移模块自适应筛选。本发明通过多个视图特征协同迁移与模块化自适应调节，能够实现域不变特征的有效传递与域特定特征的动态适配，显著提升网络模型在跨受试者场景下脑电信号分类任务中的鲁棒性与分类精度。