摘要

本发明公开了一种基于时空联合MLP网络的脑电分类方法及应用,其步骤包括:1,对于原始脑电数据进行预处理,包括待分类数据选择、滑窗切片、数据上采样和数据输入形状的选择;2,建立多层感知器网络的深度学习模型;3,训练阶段,输入数据并通过交叉熵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;4,使用滑动平均滤波算法对模型的预测结果序列进行校准。本发明将脑电数据的时空信息应用于多层感知器网络中,能够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。