集合域

脑机接口的不同集合域自适应：一种标签对齐方法

摘要 — 脑机接口 (BCI) 系统通常需要为每个新主题/任务进行长时间的校准会话以调整其参数，这阻碍了它从实验室到实际应用的转变。域自适应利用来自辅助主题/任务（源域）的标记数据，已证明其在减少此类校准工作方面的有效性。当前，大多数域自适应方法都要求源域具有与目标域相同的特征空间和标签空间，这限制了它们的应用，因为辅助数据可能具有不同的特征空间和/或不同的标签空间。本文考虑了 BCI 的不同集域自适应，即源域和目标域具有不同的标签空间。我们为 BCI 介绍了一种实际的不同标签集设置，并提出了一种新颖的标签对齐 (LA) 方法来将源标签空间与目标标签空间对齐。它具有三个理想特性：1）LA 只需要来自目标主题的每个类别的一个标记样本；2）LA 可用作不同特征提取和分类算法之前的预处理步骤； 3）LA 可以与其他领域自适应方法相结合，以实现更好的性能。在两个运动想象数据集上的实验证明了 LA 的有效性。