微弱非对称性视觉刺激的脑电信号分类模型的训练方法及应用

本发明属于脑电信号分类技术领域，涉及一种微弱非对称性视觉刺激的脑电信号分类模型的训练方法及应用。训练方法包括：基于原始信号获取频域正频率信号数据集并划分为训练集、测试集和验证集；构建脑电信号分类模型，初始化可传播梯度的模态分解矩阵；对模型的训练为：将训练集分成至少两个互斥子集，利用每个互斥子集的中心频带损失、带宽损失、重构损失、分类损失的反向传播迭代更新模态分解矩阵，利用分类损失的反向传播迭代更新模型的卷积神经网络和全连接层的参数。应用验证集验证模型的判别性能，保存判别性能最优的模型参数，应用测试集评估具有最优判别性能参数的模型。本发明能显著提升微弱非对称视觉刺激的脑电分类任务中的判别性能。