weixin_51306846的博客

基于小波的时间-频谱-注意力相关系数( WTS-CC )，以同时考虑空间域、脑电通道域、时间域和频谱域的特征及其权重。初始时序特征提取( i TFE )模块提取MI脑电信号的初始重要时许特征；提出深度脑电-通道注意力( Deep EEG-Channel Attention，DEC )模块，根据每个脑电通道的重要性自动调整其权重，从而有效增强更重要的脑电通道，抑制更不重要的脑电通道。

会话/被试间脑信号特性存在差异，校准时间较长，需要大量训练数据分类域迁移学习（当只有少数特定受试者的试验可用于训练时，通过结合其他用户先前记录的数据来改善分类参数的估计。在分类器的目标函数中加入正则化参数，使得分类参数尽可能地接近与目标主体特征空间相似的先前用户的分类参数。在不牺牲分类精度的情况下，减少校准时间与特定受试者分类器相比，所提出的加权迁移学习分类器提高了分类结果，特别是当用于训练的特定受试者试验较少时。