脑-机接口(BCI)是可以利用计算机等外部设备进行人机交互的一种通信系统,BCI系统被广泛应用于许多领域,如医疗康复领域、大众消费娱乐领域、教育咨询领域。但由于脑电信号的非平稳性,不同受试者之间的差异性,使用普通的主体分类方法,在不同受试者的分类问题上不能产生较高的准确率。在脑-机接口中,让分类器从一个用户适应到另一个用户是具有挑战性的,但对于减少新用户的训练时间是必要的。针对这一问题,受迁移学习的启发,本文提出了两种改进算法。本文提出了子空间对齐与自适应共空间模式(CSP)的方法,通过计算选择合适的候选对象去更新协方差矩阵,重新构造空间滤波器提取分类特征,并对提取得到的特征向量进行改进的子空间对齐算法,减小训练集与测试集特征向量的分布差异,从而提高分类器的性能。最后在公开的脑电信号数据集上验证了该算法的性能。本文通过对子空间算法的改进提出了基于子空间加权与改进共空间模式的算法,通过样本之间的相似度对样本进行加权,从而提高分类器的性能,然后在公开数据上进行实验分析,验证了该算法的性能。