基于聚类分类器的保持流形结构的 EEG 分类方法 MPEC
机器学习
2025-05-01 v1 人工智能
摘要
精准分类 EEG 信号是脑机接口（BCI）和神经假体应用的关键任务，但许多现有方法未考虑到 EEG 数据的非欧几里得、流形结构，导致性能不佳。保持这种流形信息对于捕捉 EEG 信号的真实几何结构至关重要，但传统分类技术大多忽视了这一需求。为此，我们提出了MPEC（Manifold-Preserved EEG Classification via an Ensemble of Clustering-Based Classifiers），其引入了两个关键创新：(1)一种特征工程阶段，将协方差矩阵和径向基函数（RBF）核结合起来，用于捕捉 EEG 通道之间的线性和非线性关系；(2)一种聚类阶段，采用针对黎曼流形空间设计的改进K均值算法，确保局部几何敏感性。通过对多个聚类基分类器进行集成，MPEC在 BCI Competition IV 数据集2a 上实现了显著的性能提升。
引用
@article{arxiv.2504.21427,
title = {MPEC: Manifold-Preserved EEG Classification via an Ensemble of Clustering-Based Classifiers},
author = {Shermin Shahbazi and Mohammad-Reza Nasiri and Majid Ramezani},
journal= {arXiv preprint arXiv:2504.21427},
year = {2025}
}
备注
7 pages ,3 figures