TS+LR and MDM：在公开 EEG 数据集上的结果

全部方法 → · 全部数据集 →

这些行的运行方式

每种方法一种固定配置：库或 MOABB 参考的设置，偏离之处另行说明。4–40 Hz 带通（ERP 协议上为去均值加 50 Hz 降采样）是配方的一部分，并对每个时间窗单独应用。

EEGMAT 信号经过 ICA 清理，可能秩亏；此时 OAS 收缩会主导 TS+LR 与 MDM 所读协方差中方差较小的方向。

敏感性分析行

同一方法换用其他输入滤波的结果，单独标注；它们不是矩阵中的行。

• TS+LR · OAS · raw · 运动想象与静息：54.4%（51.1%–57.9%），宏 F1 0.473，10 名被试
• TS+LR · OAS · 8–32 Hz · 运动想象与静息：60.1%（54.8%–65.6%），宏 F1 0.530，10 名被试
• MDM · OAS · raw · 运动想象与静息：52.0%（50.5%–53.7%），宏 F1 0.438，10 名被试
• MDM · OAS · 8–32 Hz · 运动想象与静息：56.0%（52.1%–60.6%），宏 F1 0.460，10 名被试
• TS+LR · OAS · raw · 心算与静息：63.1%（57.5%–68.7%），宏 F1 0.580，36 名被试
• MDM · OAS · raw · 心算与静息：70.7%（63.1%–78.2%），宏 F1 0.667，36 名被试

配对差值

每个差值是在同一批时间窗与被试上，每名被试平衡准确率之差在被试间的均值，单位为百分点（pp）。

配对被试 bootstrap（10,000 次抽样）。对照 Spectral ridge 单元格的四项对比使用 98.75 % 区间（四项上的 Bonferroni 校正）；其余对比使用名义 95 % 区间，不作整体性断言。「更高」或「更低」指区间整个落在零之上或之下；「无法判定」指区间包含零。

十名被试：对十名被试做百分位 bootstrap，得到的区间往往比其名义水平更窄。

引用与署名

TS+LR 与 MDM：Barachant、Bonnet、Congedo 与 Jutten，IEEE TBME 2012 与 Neurocomputing 2013；xDAWN：Rivet、Souloumiac、Attina 与 Gibert，IEEE TBME 2009；XDAWNCov：Barachant 与 Congedo，2014；OAS：Chen、Wiesel、Eldar 与 Hero，IEEE TSP 2010；Ledoit 与 Wolf，2004；MOABB 参考流水线（BSD-3-Clause），Jayaram 与 Barachant，J. Neural Eng. 2018，仅为引用而阅读，未执行；pyRiemann 0.12（BSD-3-Clause）。

• Barachant, Bonnet, Congedo and Jutten. Multiclass brain–computer interface classification by Riemannian geometry. IEEE Transactions on Biomedical Engineering 59(4), 2012. doi ↗
• Barachant, Bonnet, Congedo and Jutten. Classification of covariance matrices using a Riemannian-based kernel for BCI applications. Neurocomputing 112, 2013. doi ↗
• Chen, Wiesel, Eldar and Hero. Shrinkage algorithms for MMSE covariance estimation. IEEE Transactions on Signal Processing 58(10), 2010. doi ↗
• Jayaram and Barachant. MOABB: trustworthy algorithm benchmarking for BCIs. Journal of Neural Engineering 15(6), 2018. doi ↗