一种基于多特征对比学习的跨个体EEG驾驶疲劳检测方法

本发明涉及脑认知计算领域的神经电生理信号分析技术，具体涉及一种基于多特征对比学习的跨个体EEG驾驶疲劳检测方法。本发明包括基于脑电信号样本数据得到PSD特征和DE特征；提取浅层PSD语义特征、浅层DE语义特征、深层PSD语义特征和深层DE语义特征；基于深层语义特征得到PSD预测分类标签和DE预测分类标签；定义正样本对、负样本对和半正样本对，并构造对比损失函数；将浅层语义特征拼接，得到初步融合表示，基于初步融合表示与深层PSD语义特征和深层DE语义特征得到融合特征向量；将融合特征向量输入多特征决策器，得到每个样本的疲劳分类标签。本发明提升模型对个体差异的适应性，增强模型的泛化能力与检测的鲁棒性。