基于欧几里得均值场的 EEG 数据分类器
人机交互
2025-04-25 v1 信号处理
摘要
大量研究表明，欧几里得距离到均值（MDM）分类器对各类基于 EEG 的脑机接口（BCI）都具有稳健性和准确性。该分类器简单、完全确定性强、抗噪性好、计算效率高，且适合迁移学习。其训练只需对每个类别的对称正定（SPD）矩阵计算几何平均即可。我们提出了改进MDM的方法，取用多个幂均值来代替唯一的几何平均。通过分析20个公开数据库（包括10个运动想象 BCI 范例和10个 P300 BCI 范例，共587个个体），我们表明所提分类器在性能上显著优于MDM，接近最先进水平，同时保持简单性和确定性行为。为促进可重复研究，我们将公开源代码发布。
关键词
引用
@article{arxiv.2504.17352,
title = {The Riemannian Means Field Classifier for EEG-Based BCI Data},
author = {Anton Andreev and Grégoire Cattan and Marco Congedo},
journal= {arXiv preprint arXiv:2504.17352},
year = {2025}
}