1.一种头皮脑电信号的在线多特征空间迁移识别方法，其特征在于：包括以下步骤：步骤1，建立脑电信号多视角源域数据集，用于模型训练；

步骤2，针对每一个视角，计算所有源域数据集中的样本到待识别目标的欧式距离，并以此距离作为特征，进行聚类分析，然后选择离待识别目标最近的聚类中心所在簇作为迁移源域；

步骤3，设置模型参数λ1,λ2,λ3，利用步骤2中选择的源域和目标域中的校正样本进行模型训练；

步骤4，利用训练的模型对目标域中未标记样本进行预测。

2.根据权利要求1所述的一种头皮脑电信号的在线多特征空间迁移识别方法，其特征在于：所述识别方法的优化目标表示为如下形式：(r) (r)

其中，在误差项中，ls 和lt 分别表示r视角下，源域和目标域的误差损失函数；在多(r) (r)视角协同学习项中，vs 和vt 分别表示源域和目标域的协同学习函数，在迁移学习项中，d(r) (r)和d' 分别表示在r视角下，源域和目标域之间的样本分布的边缘概率分布相似度度量(r)函数和条件概率分布相似度度量函数；在Pearson相关系数项中，p 表示在r视角下，训练样本的真实标签与预测标签的Pearson相关系数。