摘要：P300電位的個(gè)體差異導(dǎo)致基于該電位的腦-機(jī)交互系統(tǒng)需要每位被試的大量訓(xùn)練數(shù)據(jù)來(lái)構(gòu)建模式識(shí)別模型,引起被試的訓(xùn)練疲勞,并可能由此導(dǎo)致系統(tǒng)性能降低。TrAdaBoost是一種把源領(lǐng)域的知識(shí)遷移到目標(biāo)領(lǐng)域,進(jìn)而使目標(biāo)領(lǐng)域能獲得更好的學(xué)習(xí)效果的遷移學(xué)習(xí)方法。本研究針對(duì)P300電位的跨腦辨識(shí)問(wèn)題,提出基于TrAdaBoost的線性判別分類(lèi)算法和支持向量機(jī),將同被試的少量數(shù)據(jù)訓(xùn)練的分類(lèi)器與不同被試的大量數(shù)據(jù)訓(xùn)練的分類(lèi)器按權(quán)重組成融合分類(lèi)器。與只采用少量同被試數(shù)據(jù)或者混合不同被試數(shù)據(jù)來(lái)直接進(jìn)行訓(xùn)練的傳統(tǒng)學(xué)習(xí)方式相比,本文算法在少量樣本情況下將準(zhǔn)確率分別提高了19.56%和22.25%,信息傳輸率分別提高了14.69 bits/min和15.76 bits/min,有望提高腦-機(jī)交互系統(tǒng)對(duì)被試個(gè)體差異的泛化能力。