小样本环境中用于脑电分类的聚合正则化共同空间模式

一般的空间模式(CSP)是一种在脑-机接口(BCIs)背景下对脑电图(EEG)信号进行分类的流行算法。本文介绍了一种小样本环境中CSP的正则化和聚合技术。常规算法基于基于样本的协方差矩阵估计。因此，如果训练样本的数量很少，其性能就会下降。为了解决这一问题，提出了一种正则化的CSP(R-CSP)算法，该算法通过两个参数对协变矩阵估计进行正则化，从而降低估计方差，同时减小估计偏差。为了解决正则化参数确定的问题，进一步提出了聚合(R-CSP-A)的R-CSP，并将一些R-CSP聚合在一起，给出了一个基于集合的解决方案。提出了一种基于BCI竞争三种竞争算法的数据集IVa的算法。实验表明，在SSS（小