将连续属性的公平零空间投影扩展至核方法

基于摘要分析。本文研究连续受保护属性、尤其是回归任务中的公平性问题，将迭代零空间投影从线性模型或非线性编码器产生的嵌入扩展至核诱导特征空间。主要贡献是借助 empirical feature space（经验特征空间），将这一扩展推导为对核矩阵的直接变换，而非提出 EEG 或 BCI 专用方法。 机制与结果：传统迭代零空间投影的应用范围主要限于线性模型或已有嵌入；本文通过经验特征空间建立核空间中的投影路径。作者称该方法不依赖特定预测模型或公平性评分，且适用于连续受保护属性。作者报告，在多个数据集上与 Support Vector Regression（SVR）结合时，相较其他同期方法取得相当或更好的表现。摘要未提供数据集名称、划分方式、公平性指标、预测性能指标或具体数值，因此无法判断优势体现于预测精度、公平性还是二者权衡；实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若 EEG 回归任务需要降低表示对年龄等连续受保护属性的依赖，核矩阵变换可能成为可测试的表示处理模块。该假设依赖明确的目标标签、连续属性标注及适用的核表示；需要重新选择 EEG 核函数，并验证被移除的属性信息是否同时承载任务相关信号。低信噪比、小样本以及跨被试分布差异可能使投影不稳定或损伤预测能力。一个可证伪的小实验是在固定跨被试划分与相同核及 SVR 设置下，对比原始核矩阵和变换后核矩阵，同时检查目标预测误差与连续属性依赖程度，评估是否真正改善二者权衡。已有 EEG 相关工作尚未检索确认。