【技术实现步骤摘要】
本专利技术涉及机器学习，尤其涉及一种脑电信号分类方法、装置和存储介质。
技术介绍
1、脑机接口(brain computer interface，bci)使用户能够直接使用大脑信号与计算机进行通信。最常见的无创bci方式脑电图(electroencephalogram，eeg)对噪声或伪影敏感，并且存在受试者间的个体差异性和受试者内的非平稳性。因此，难以在基于脑电图的脑机接口系统中建立一个适合不同受试者、不同会话、不同设备和不同任务的最佳通用模式识别模型。通常需要进行校准会话来收集新主体的一些训练数据，这既耗时又对用户不友好，还造成之前采集的脑电数据的浪费，更进一步还容易造成大脑疲乏，信号校准时间长。并且，较大的个体性差异导致了许多bci系统分类准确率低。
2、综上，相关技术中存在的技术问题有待得到改善。
技术实现思路
1、本专利技术实施例提供了一种脑电信号分类方法、装置和存储介质，有效地提高了分类准确率、减少了信号校准时间。
2、一方面，本专利技术实施例提供了一种...
【技术保护点】
1.一种脑电信号分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述获取黄金受试者的第一运动想象脑电信号和目标受试者的第二运动想象脑电信号，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据所述第一运动想象脑电信号和所述第二运动想象脑电信号，计算域集，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所述第二源域和所述第二目标域，计算所述域集，包括：
5.根据权利要求1所述的方法，其特征在于，所述主体迁移神经网络模型架构的构建步骤包括：
6.根据权利要求1所述的...
【技术特征摘要】
1.一种脑电信号分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述获取黄金受试者的第一运动想象脑电信号和目标受试者的第二运动想象脑电信号，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据所述第一运动想象脑电信号和所述第二运动想象脑电信号，计算域集，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所述第二源域和所述第二目标域，计算所述域集，包括：
5.根据权利要求1所述的方法，其特征在于，所述主体迁移神经网络模型架构的构建步骤包括：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。