本文提出了一种对脑机接口（BCI）的脑电图（EEG）信号进行分类的方法。 为了消除高维EEG信号中的冗余并减少不同类EEG信号之间的耦合，我们使用主成分分析和线性判别分析来提取代表原始信号的特征。 接下来，我们介绍基于投票的极限学习机以对功能进行分类。 对来自2003年BCI竞赛的真实数据进行的实验表明，我们的分类方法在速度和准确性方面都优于最新的分类方法。