本发明提出了一种多源流形脑电特征迁移学习方法；首先，在对称正定(SPD)流形中对齐源域和目标域协方差矩阵的分布均值，并提取切线空间特征，再通过格拉斯曼流形学习，提取Grassmann流行特征，将源域和目标域的边缘概率分布差异最小化。得到流行特征后，通过对源域和目标域的结构风险最小化和条件概率分布差异最小化作为目标函数，为每个源域进行分类模型训练，每个分类器分别对目标域进行预测，将不同源域的预测结果通过投票方式进行整合。最终进行迭代，得到多源迁移学习的分类结果。