运动想象 (MI) 分类学习系列 (1) : UMAP

论文地址：https://link.springer.com/article/10.1007/s11517-023-02878-z
论文题目：Motor intent recognition of multi-feature fusion EEG signals by UMAP algorithm
论文代码：无

0. 引言

脑电图（EEG）信号分析的关键在于从原始脑电图信号中提取有效特征，然后可用于提高脑机接口（BCI）中运动图像（MI）应用的分类精度。可以说，利用来自多个域的特征可以成为MI模式分类的特征提取的更有效方法，因为它可以提供更全面的信息集，而传统的单一特征提取方法可能无法捕获。该文提出一种基于均匀流形近似和投影（UMAP） 的运动影像脑电信号多特征融合算法。脑功能网络和共同空间模式（CSP） 最初被提取为特征。随后，利用UMAP对提取的多域特征进行融