跨被试源域迁移学习自适应选择方法及系统

本申请实施例提供了一种跨被试源域迁移学习自适应选择方法及系统，能够解决由于不同个体之间的神经生理信号存在显著异质性，导致的在一个被试上训练的分类模型难以直接迁移至其他被试的问题。该方法包括：获取目标域脑信号样本的目标域特征分布和候选源域脑信号样本的多个候选源域特征分布；确定候选源域特征分布与目标域特征分布之间的分布距离，结合各候选源域被试对应的分类性能指标，确定初选源域被试；对分布距离与根据目标域被试的局部密度确定的自适应距离阈值进行比较，在分布距离未超过自适应距离阈值的情况下，将该初选源域被试确定为目标源域被试，以利用对应的候选源域脑信号样本，对目标域被试对应的脑信号分类模型进行迁移学习。