抗干扰稳健分解
该分解方法通过变尺度分块和分层贝叶斯建模抑制干扰，从多元时间序列中提取结构性特征，在脑电分析中展现出优于同类方法的运算效率与分解精度。
汤云波 · 陈丹 · Yiping, Zuo · 卢孝强 · Ranjan, Rajiv · Zomaya, Albert · 姚权铭 · 李小俚
IEEE Transactions on Knowledge and Data Engineering 2023
分层贝叶斯模型在分解各块因子时自动抑制干扰，避免了异常值对因子推导的污染。
在自闭症谱系障碍脑电数据上，变尺度分区使分解计算量显著降低，运算速度提升至原来的3倍。
分解得到的潜在因子可作为生物标志物，清晰区分自闭症谱系障碍脑电特征，判别准确率达到87.35%。