Критерий качества кластеризации на основе отбора признаков размеченной выборки с приложением в области разработки интерфейсов мозг-компьютер

В прикладных задачах машинного обучения часто встречается проблема неоднородности выборки. Например, это приводит к трудностям в решении задачи распознавания паттернов электрической активности мозга при разработке нейроинтерфейса у людей разных социальных характеристик.
В работе мы предложили новый метод оценки работы алгоритма кластеризации, имеющий низкие вычислительные затраты и основанный на способности алгоритма распознать скрытые закономерности, то есть выделять группы, схожие по внешнему признаку. Мы показали области практического применения алгоритма, в частности в задачах классификации данных электрической активности мозга при произнесении 8 слов у людей с разными социальными характеристиками.