본 논문은 뇌-컴퓨터 인터페이스(BCI) 및 신경보철 응용 분야에서 EEG 신호의 정확한 분류의 중요성을 강조하며, 기존 방법들이 EEG 데이터의 비유클리드 다양체 구조를 고려하지 못해 최적의 성능을 달성하지 못하는 문제점을 지적합니다. 이를 해결하기 위해, 다양체 정보를 보존하는 MPEC (Manifold-Preserved EEG Classification via an Ensemble of Clustering-Based Classifiers) 방법을 제안합니다. MPEC은 공분산 행렬과 RBF 커널을 결합하여 선형 및 비선형 관계를 포착하는 특징 엔지니어링 단계와, 리만 다양체 공간에 맞춘 수정된 K-means 알고리즘을 사용하는 군집 단계를 통해 다양체 정보를 보존합니다. 여러 군집 기반 분류기를 앙상블하여 BCI Competition IV dataset 2a에서 성능 향상을 보였습니다.
