摘要

本发明公开了一种基于GhostNet和不平衡学习的脑电信号分类方法及应用,其步骤包括:1,对于原始脑电数据进行预处理,包括数据选择、滑窗切片和数据输入形状的选择;2,建立基于不平衡学习和Ghost网络的深度学习模型,初始化网络参数;3,在模型头部嵌入一个一维卷积层,建立Ghost网络的深度学习模型;4,输入数据并通过类再平衡(CRB-loss)损失不断优化模型参数,获得最终分类模型用于待测试脑电信号的分类。本发明将成本敏感学习结合到GhostNet中,能够解决脑电信号分类任务中数据不平衡学习问题,能显著提升脑电信号分类准确率,从而增加脑电信号在医疗等领域的应用价值。