最优传输的二阶模型与 Wasserstein 空间上的三次样条

基于摘要分析。本文研究概率密度空间中的高阶插值，将 Wasserstein 测地线推广到三次样条插值情形，主要贡献是提出 Wasserstein 空间中三次样条的自然推广，以及一种基于路径空间上变分问题松弛的更简化方法。 技术上，摘要给出两条数值求解路线：一条结合多边缘最优传输与熵正则化，另一条采用半离散最优传输。研究对象是概率密度及其随时间的插值，而非 EEG 解码或 BCI 算法。其方法依赖可供插值的概率分布表示；具体目标函数、边界条件、离散化方式、正则化设置及计算规模尚未验证。摘要未提供定量结果，实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若 EEG 非平稳性能够用随时间变化的特征分布描述，这类高阶分布插值可作为刻画平滑分布演化的候选工具，而不是直接的分类器。可考虑复用分布插值与最优传输求解框架，但需要改造 EEG 特征的概率密度表示、距离定义与时间约束。低信噪比、小样本密度估计误差、跨被试差异或通道变化，都可能使平滑插值失去生理或任务意义。 一个可检验的小实验是：在固定被试与通道配置下，用相同时间点的 EEG 特征分布分别进行 Wasserstein 测地线插值与所提高阶插值，比较对留出中间时间窗分布的重建误差，并检查结果对噪声与样本量的敏感性。这仅检验分布建模假设，不构成 BCI 解码改善的证据；已有 EEG 相关工作尚未检索确认。