但EEG信号个体差异显著, 实际应用中, 测试数据和模型的训练数据往往不服从独立同分布假设, 因此克服个体差异的通用癫痫自动检测模型更有实际价值....对于通用的癫痫自动检测模型, 用于训练模型的数据和实际测试数据可能来自于不同的个体, 其信号的分布或存在较大的差异, 且训练数据量受限, 因而可通过迁移学习模型提高癫痫自动检测模型的泛化性能和正确率....Jiang等把测试数据和训练数据的最大均值差异融合到TSK模糊系统模型中, 对原始EEG信号通过小波包变换、STFT和核主成分分析等得到的手工特征进行分类, 检测正确率相比于无迁移学习有大幅提升....协同训练通过对不同视图执行交替训练, 最大化视图一致性; 多核学习通过使用不同的内核训练模型并关联到不同的视图, 再通过内核的线性或非线性组合提高学习性能; 子空间学习则通过获得多个视图的公共子空间,...首先训练多个不同的基学习器, 再把其输出作为输入训练一个新的分类模型.