本发明提出了一种面向癫痫脑电(Electroencephalogram,EEG)信号的特征提取与自动识别方法。该方法首先使用深度单分类模型无监督学习训练模式，通过患者的大量非癫痫脑电信号训练深度卷积通道注意力特征提取模型，得到正常脑电信号的最具代表的五组时频特征δ、Θ、α、β和γ，使模型初步具有区别正常脑电和异常脑电(癫痫)的能力；接着使用监督学习方法，通过患者的癫痫脑电和非癫痫脑电训练强化模型的判别能力，得到最大程度表征正常脑电信号与癫痫脑电信号差异的特征；最后，通过测试样本验证本发明所训练模型在自动识别癫痫上的有效性，具体表现为识别的正确率与模型的泛化性能。与现有相关技术相比，本发明方法对癫痫脑电识别正确率高，模型泛化性能好，在辅助癫痫脑疾病的临床诊断和自动识别方面具有重要意义。