一种基于里曼倍数的空间-频谱-时间表示方法,用于EEG个体识别

科学领域:

• 神经科学和计算机科学
• 生物识别识别生物识别

背景情况:

• 电脑电图 (EEG) 是一个有前途的生物识别方式,由于其固有的特点.
• 基于EEG的识别的一个重大挑战是保持稳定,暂时强大的个人间特征.
• 有效的交叉时间EEG身份识别对于实际的生物识别系统至关重要.

研究的目的:

• 提出一种基于EEG的新型识别框架,使用对称正定型 (SPD) 分散式.
• 开发一种增强的特征提取方法 (E-SPD-M) 来捕获时间,空间和光谱EEG特征.
• 提高基于EEG的交叉时间身份识别的准确性和可靠性.

主要方法:

• 使用EEG信号的空间共变矩阵来表示个体差异.
• 在里曼的多元体中采用了增强的特征提取方法 (E-SPD-M).
• 构建了个性化的分类模型,并将其输出集成用于识别.
• 验证了新的多任务,跨时间EEG数据集和公共数据集 (M3CV) 的方法.

主要成果:

• 拟议的框架实现了卓越的跨时间识别性能.
• 证明了SPD组件在构建EEG数据的歧视性表示空间方面的有效性.
• 通过E-SPD-M方法,成功捕获了重要的时间,空间和光谱特征.

结论:

• 这项研究为增强基于EEG的生物识别算法提供了一条新的途径.
• 突出了里曼几何学在推进EEG识别方面的潜力.
• 为跨时间EEG身份识别提供了更可靠和实用的解决方案.