1

今日の午後、SVM についていくつか読みました。そして、これが非常に有望に見えることを願っています。

私は現在、フーリエスペクトルのパターンを探している問題に取り組んでいます。私が言いたいのは、私は何日もスペクトルを見ているということです。いくつかの繰り返しパターンを見つけたいと思っています。特定のパターンに一致する基準をいくつか見つけましたが、次のサンプルでは、​​パターン全体が少し異なって見える可能性があります。そのため、常にわずかな偏差があり、説明が難しくなっています。または別の方法で、私は何かを見落としているかもしれません。しかし、はっきりと言えるのは、これがトレーニング データです。

SVM を利用してトレーニングし、分類を予測したいと考えていました。新しいデータの別のセットがある場合、それがトレーニングデータと一致するか、「他の」グループに入ることがわかりますが、それは何でもかまいません(知る必要はありません)。

それはSVMができることですか、それとも私は完全にオフですか? 私の問題が SVM に供給できるものかどうかを確認するための入力データの良い例が見つかりませんでした。

現在Matlabを使用しています。

4

2 に答える 2

0

私は SVM の経験はありませんが、関連する手法の経験はあります。私が言えることは次のとおりです。

おそらく、スペクトルから SVM、意思決定に単純に移行することはできません。さまざまな入力を区別するスペクトルが何であるかを判断する必要があります。たとえば、データが時間の経過とともに変化する方法や、高周波数と低周波数の関係によって入力が異なる場合は、その 1 つのパラメーターをエンコードする必要があります。たとえば、いくつかの高い周波数といくつかの低い周波数の比率であるパラメータを作成できます。また、スペクトルよりも単純な周波数重心やゼロ交差率などのパラメーターを使用することもできますが、それでも有用な情報を運ぶ可能性があります (これらはオーディオとスピーチで使用されます。見ているものに適用されるかどうかはわかりません)。 . これらの派生パラメーターを取得したら、並べ替えを行う SVM 分析にそれらをフィードします。

検討したい他の手法 (これも同じ要件があります) には、HMM (隠れマルコフ モデル)、K-Means、ロジスティック回帰などがあります。

于 2013-06-15T01:31:27.740 に答える