《基于脑机交互的人体运动意图智能识别算法研究与应用》针对脑电信号非线性、幅值微弱、信噪比低等特点对解码性能的影响，介绍了基于传统机器学习、深度学习与迁移学习的数据优化、特征融合与特征迁移算法，主要内容包括：基于最大平均差异和P阈值优化的脑电信号（EEG）通道选择算法；基于多重加权的EEG多模态特征融合算法；
基于受限玻尔兹曼机的EEG深度多模态特征学习算法；基于残差网络的EEG多模态特征动态融合算法；基于多特征混合融合网络的EEG解码算法；基于时空融合域适应的EEG特征迁移算法。
本书可作为计算机、人工智能、模式识别等相关专业人员的参考用书。

第1章 绪论
第2章 运动想象脑电信号识别算法的相关理论
第3章 基于MMD和P阈值优化的EEG通道选择算法
第4章 基于多重加权的EEG多模态特征融合算法
第5章 基于受限玻尔兹曼机的EEG深度多模态特征学习算法
第6章 基于残差网络的EEG多模态特征动态融合算法
第7章 基于多特征混合融合网络的EEG解码算法
第8章 基于时空融合域适应的EEG特征迁移算法