基于表征 Jensen-Shannon 散度的核两样本检验

基于摘要分析。本文研究判断两组样本是否来自同一分布的两样本检验问题，提出基于表征 Jensen-Shannon 散度（representation Jensen-Shannon divergence，RJSD）的核信息论框架，并构建相应的 Maximum Mean Discrepancy（MMD）方法变体。 机制上，RJSD 利用再生核希尔伯特空间中协方差算子所承载的高阶信息衡量分布差异，不依赖高斯分布假设。摘要未给出散度的具体计算形式、核选择、检验阈值或显著性校准流程，因此尚不能判断其估计成本及有限样本性质。 作者报告，在合成与真实数据集的实验中，RJSD 方法相对所比较的 MMD 方法具有更强的判别能力。摘要未列出数据集名称、样本规模、对照配置、显著性水平或具体指标；该结论尚不能扩展为对所有 MMD 方法或数据条件的普遍优势，实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若将 EEG 试次表征视为来自不同被试或会话的样本，RJSD 可作为检测分布偏移的候选工具，而非直接的解码算法。可复用的是核分布比较机制，需另行确定 EEG 表征、核及重采样方式，并考虑试次相关性；低信噪比、通道配置差异和小样本可能使检测结果主要反映噪声或采集差异。一个小规模可证伪实验是在固定 EEG 表征与样本量下，以一致的显著性校准比较 RJSD 和 MMD：先检验同一会话随机分组时的假阳性率，再比较跨会话分组时的检测能力。检测到偏移不等于改善 BCI 解码，已有 EEG 相关工作尚未检索确认。