摘要 - 我们提出了一种新方法，共同独立矢量分析（JIVA），用于获得区分特征，即可以从医学数据中互间签名，可用于研究多种条件或组之间的差异。该方法对于脑电图（EEG）数据的事件相关的研究特别有吸引力，因为它使人们能够有效地利用跨多个通道的交叉信息，同时可以使用多个时期的信息。我们介绍了通用模型，然后证明了其成功应用于驾驶实验期间收集的脑电图数据。与仅检测差异的传统分析技术相反，我们在统计学上确定了测量的带功率上的显着差异，显示了何时以及如何在同一受试者中两个实验条件发生差异。我们将JIVA功能与竞争性数据驱动方法产生的功能进行了比较，并证明了JIVA的优势，因为它完全利用了多个电极之间的统计依赖性，并将其作为获得多功能数据提供信息特征的强大数据驱动方法。