考察 WAY EEG GAL 数据集在用户认证中的唯一性与永久性
机器学习
2022-09-13 v1 信号处理
摘要
本研究评估了来自 WAY EEG GAL 公开数据集的 EEG 数据在个体间进行身份验证的判别能力（唯一性）及其永久性。除 EEG 数据外，Luciw 等人还提供了肌电图（EMG）与运动学数据，供工程师与研究人员利用 WAY EEG GAL 开展进一步研究。然而，评估 EMG 与运动学数据不在本研究范围内。现有前沿研究的目标是确定 EEG 数据是否可用于控制假肢设备。另一方面，本研究旨在评估通过 EEG 数据区分个体的可分离性以执行用户认证。利用特征重要性算法为每个用户选择最佳特征，以对所有其他用户进行认证。本研究所实现的认证平台基于机器学习模型/分类器。作为初步测试，使用线性判别分析（LDA）与支持向量机（SVM）进行两项试点研究，通过对 EEG 数据集进行多标签标注来观察模型的学习趋势。首先使用 kNN 作为用户认证分类器，观测到约 75% 的准确率。此后为提升性能，使用线性与非线性 SVM 进行分类。使用线性与非线性 SVM 分别取得 85.18% 与 86.92% 的总体平均准确率。除准确率外，还计算了 F1 分数。线性与非线性 SVM 的总体平均 F1 分数分别为 87.51% 与 88.94%。除整体性能外，还观测到高性能个体：使用线性 SVM 达 95.3% 准确率（95.3% F1 分数），使用非线性 SVM 达 97.4% 准确率（97.3% F1 分数）。
引用
@article{arxiv.2209.04802,
title = {Examining Uniqueness and Permanence of the WAY EEG GAL dataset toward User Authentication},
author = {Aratrika Ray-Dowling},
journal= {arXiv preprint arXiv:2209.04802},
year = {2022}
}