基于对比学习的 EEG 分类无监督多源域适应

基于摘要分析。该研究针对 EEG 运动想象分类中的被试间差异，提出无监督多源域适应框架，通过对比学习处理各源域与目标域之间以及源域彼此之间的差异，以学习被试不变表征。 核心思路不是仅对齐单一源域和目标域，而是在多源域适应过程中同时考虑源域—目标域与源域—源域的变异。作者将对比学习作为促进被试无关表征学习的机制；但所给材料未说明对比样本如何构造、正负样本如何定义、是否使用伪标签，以及对比目标与分类目标如何组合，这些具体实现尚未验证。 作者报告在四个运动想象数据集上验证了方法，并报告性能优于对照方法。材料未提供数据集名称、被试数量、目标域数据使用范围、被试或会话划分、对照基线及具体指标，因此尚不能判断优势对应何种评估协议，也不能量化提升幅度。 阅读与复现时应重点核对：多源数据的组织方式、源域间差异的建模贡献、目标域适应阶段可使用的数据，以及对比学习在不同被试上的稳定性。实验协议、消融及统计信息尚未验证；方法对新被试的迁移效果仍需结合全文中的数据划分和目标域使用条件评估。