机构名称：
¥ 2.0
在 EEG 研究中，主成分分析 (PCA) 被广泛用于在多变量模式分类 (解码) 之前进行降维。本研究的目的是评估 PCA 在广泛的实验范式中对解码准确性 (使用支持向量机) 的有效性。我们评估了几种不同的 PCA 变体，包括基于组和基于受试者的成分分解以及 Varimax 旋转或不旋转的应用。我们还改变了保留用于解码分析的 PC 数量。我们评估了七个常见事件相关电位成分 (N170、不匹配负波、N2pc、P3b、N400、侧化准备电位和错误相关负波) 的解码准确性。我们还研究了更具挑战性的解码任务，包括解码面部身份、面部表情、刺激位置和刺激方向。数据集在电极位置的数量和密度方面也有所不同。我们的研究结果表明，没有一种 PCA 方法能够持续改善与无 PCA 相关的解码性能，并且应用 PCA 经常会降低解码性能。因此，研究人员在解码来自类似实验范式、群体和记录设置的 EEG 数据之前，应谨慎使用 PCA。
评估空间 PCA 对基于 SVM 的脑电图数据解码的有效性
主要关键词
相关文件推荐
