一种适用于情绪脑-机接口的在线迁移学习方法

摘要

本发明公开了一种适用于情绪脑‑机接口的在线迁移学习方法，包括以下步骤：A.分类器训练：数据池的历史数据中，训练得到基准分类器并保存；B.分类器权重化：拿出数据池中的m个分类器，分别进行测试得到对应的m个准确率；C.实例选择：将m个源数据堆砌成一个310维的大型矩阵，将基准分类器用于对这些数据的测试，得到对应的预测标签后跟真实标签进行对比；D.分类器更新：步骤C中得到基准分类器中准确率高的数据，合并为一个新的310维的矩阵，作为训练数据再去更新基准分类器；E.分类器集成：将数据池中的m个分类器和基准分类器进行分类器集成。其优点在于：结合被试数据和历史数据，能够提升算法效果和速度，提高准确率。