基于保持到局部均值距离（DPLM）的对称正定矩阵降维及其在脑机接口中的应用
数值分析
2017-02-23 v1 计算机视觉与模式识别
摘要
在本文中，我们提出了一种针对对称正定（SPD）矩阵流形的非线性降维算法，该算法考虑SPD矩阵的几何结构，并提供具有高类别区分度的流形低维表示。所提出的算法试图通过保持到局部均值的距离（DPLM）来保留数据的局部结构，并提供一个隐式投影矩阵。DPLM在训练样本数量上是线性的，并且可在标签信息可用时利用它们以提升分类任务性能。我们在BCI竞赛IV的多类数据集IIa上进行了若干实验。结果表明，由于对离群点的鲁棒性，我们的方法作为一种降维技术，相较于相关文献中的其他竞争方法取得了更优结果。实验证实，DPLM与FGMDM作为分类器相结合，在该数据集上达到了最先进的性能。
引用
@article{arxiv.1608.00514,
title = {Dimensionality reduction based on Distance Preservation to Local Mean (DPLM) for SPD matrices and its application in BCI},
author = {Alireza Davoudi and Saeed Shiry Ghidary and Khadijeh Sadatnejad},
journal= {arXiv preprint arXiv:1608.00514},
year = {2017}
}