运动想象迁移学习系列:数据对齐(CA)
论文地址:https://arxiv.org/abs/1910.05878
论文题目:Manifold Embedded Knowledge Transfer for Brain-Computer Interfaces
论文代码:https://github.com/chamwen/MEKT
0. 引言
本篇博客重点考虑数据对齐部分,因为其对后续迁移学习的效果影响非常大。
数据对齐有多种方法,如黎曼对齐(Riemannian Alignment, RA)、欧式对齐(Euclidean Alignment, EA)、标签对齐(Label Alignment, LA)、重心对齐(Centroid Alignment, CA) 等。下面重点介绍CA
。
CA
主要是进行协方差矩阵的质心对齐,对数据的协方差矩阵进行数据对齐操作。。。。
1. 相关工作
1.1 黎曼几何
所有 SPD 矩阵