本发明公开了一种基于集成学习的疲劳驾驶脑电信号回归分析方法，采用功率谱密度特征提取器对受试者的30个通道的脑电图信号进行特征提取；用主成分分析法将特征数据进行降维，将降维后的特征数据作为集成学习模型的输入，将集成学习模型的输出进行拟合，最终得到该受试者的疲劳回归曲线；集成学习模型中，对脑电图信号的疲劳指数进行最小二乘拟合，并将拟合后的数据作为集成学习的数据标签；将支持向量回归算法作为基学习器，并采用贝叶斯模型组合方法对支持向量回归算法的输出进行组合。本发明中引入支持向量回归算法作为基学习器，通过增加基学习器的多样性和差异性，以及引入贝叶斯模型组合方法，提高回归分析方法在驾驶员疲劳回归分析中的性能。