BCI 的黎曼幾何方法
切空間投影
在流形上任一參考點(通常取訓練共變異數的 Fréchet 平均)處,流形可用其切空間局部近似,一個維度為 C(C+1)/2 的歐氏向量空間。共變異數 P_i 透過在參考點 G 的對數映射被送到切向量:S_i = log_G(P_i) = G^{1/2} log(G^{-1/2} P_i G^{-1/2}) G^{1/2},再以 sqrt(2) 加權非對角元的半向量化(以保持內積)成一個特徵向量。
這種攤平是實務黎曼式 BCI 的主力:一旦進入切空間,就能沿用任何標準歐氏分類器(LDA、羅吉斯迴歸、SVM),同時在映射時已尊重了流形幾何。此近似僅在參考點處精確,對離參考點較遠的共變異數會退化,因此選一個好的參考點(幾何平均)並讓資料維持相當集中很重要。
反向的指數映射把切向量送回流形;切空間投影正是讓整套歐氏機器學習工具得以用於共變異數特徵的關鍵。
又称
另见