pyRiemann/pyRiemann

解决的问题

pyRiemann 提供了一个专门的机器学习工具包，通过将协方差矩阵视为弯曲流形（黎曼几何）上的点，而非平坦的欧几里得空间中的点，来分析多变量数据。这种方法在通道间关系比原始值更重要的复杂信号分类中特别有效，例如脑机接口（BCI）和遥感应用。

工作原理

该库实现了与 scikit-learn 兼容的 API，用于处理实值对称正定（SPD）矩阵和复值埃尔米特正定（HPD）矩阵。它从多通道时间序列中估计协方差矩阵，并应用黎曼几何技术进行分类。通过 Python Array API 支持 NumPy 和 PyTorch 后端，使用 PyTorch 张量时可实现 GPU 加速和自动微分（autograd）。

适用人群

专为从事脑机接口应用的生物信号（EEG、MEG、EMG）研究者和工程师设计，也适用于遥感领域中处理高光谱或合成孔径雷达（SAR）图像的研究人员。

主要亮点

• 与 scikit-learn 集成：模仿 scikit-learn API，可直接与 cross_val_score 和 Pipeline 等工具配合使用。
• 硬件加速：通过 PyTorch 集成支持 GPU 加速和 autograd。
• 多场景应用：特别优化用于运动想象、事件相关电位（ERP）和稳态视觉诱发电位（SSVEP）等 BCI 范式。
• 迁移学习：提供基于黎曼普罗克鲁斯特斯分析的多源迁移学习工具，支持不同被试或会话之间的知识迁移。