1、原理
公共空间模式(CSP)算法采用监督的方法建立一个最优的公共空间滤波器,在最大化一类方差的同时最小化另外一类方差,采用同时对角化两类任务协方差矩阵的方式,获得可区分程度最大的特征向量。适用于二分类任务的特征提取。
公共空间模式(CSP)算法的过程以下:
(1)将原始数据按照类别进行分段。两类样本数据E可分类为E
1
E_1E1和E
2
E_2E2。E
1
E_1E1为第一类样本数据,E
2
E_2E2为第二类样本数据。
(2)计算分段后的原始数据的协方差矩阵,协方差矩阵的计算公式为:C
i
=
E
i
⋅
E
i
T
t
r
a
c
e
(
E
i
⋅
E
i
T
)
(
i
=
1
,
2
)
C_i = \frac{E_i\cdot E_i ^ \mathrm{ T }}{trace(E_i\cdot E_i ^ \mathrm{ T })} (i =1,2)Ci=trace(Ei⋅EiT)Ei⋅EiT(i=1,2) t
r
a
c
e
(
E
)
trace(E)trace(E)表示求矩阵E的迹。
分别计算分段后原始数据的协方差矩阵, C
1
C_1C1为第一类样本数据的空间协方差矩阵的指望, C
2
C_2C2表示第二类样本的空间协方差矩阵的指望, C
c
C_cCc表示两类数据的空间协方差矩阵之和,则有C
c
=
C
1
+
C
2
C_c = C_1+C_2Cc=C1+C2
(3)正交白化变换而且同时对角化(需理解矩阵白化的定