加速度計からのモーションパターンデータで分類器をトレーニングする必要があります。時間サンプルごとに、XY座標とZ座標を保存しました。したがって、単一の動きが次のように私のデータセットで表されます。
[0.39028051 -0.5483283 10.385374]; [0.17420317 -0.2802931 10.72625]; [0.28956637 -0.13387422 11.9645]; [0.6281768 -0.14725612 13.369692]; [0.72674876 -0.115191355 14.50422]; [0.7450281 -0.079684645 15.090715]; [0.74526054 -0.44727635 15.027773]; [0.6936915 -0.9639046 14.088198]; [0.5290651 -1.1378883 12.5164585]; [0.23881127 -1.346372 10.889902]; [0.052466527 -1.2700776 9.227933]; [0.019615699 -0.8237766 7.65959]; [0.10373996 -0.29147366 6.416745]; [0.17365126 0.09419979 5.420801]; [0.18465124 0.3646446 4.5289593]; [0.22039331 0.52677184 3.8076568]; [0.33365434 0.48184758 3.4170833]; [0.40346703 0.21976978 3.472282];
ここで、[]の間の値はXYZコンポーネントを表します。
最初は、隠れマルコフモデルが私の問題に最も適していると思いました。しかし、データの状態を定義するのに問題があります。私が見つけたすべての例には、明確に定義された有限の状態のセットがあります(つまり、雨、晴れ、または曇り)。私のデータセットのすべての値は-11から+11の間にありますが、明らかに整数ではありません。それでも、これを状態として使用できますか?したがって、私に11 * 11 * 11 = 1331の状態を与えますか?そして、どのように遷移行列を計算しますか?
さらに、観察の数は動きによって異なります(同じクラスに属していますが)。
申し訳ありませんが、この質問は広すぎます。このタイプのデータを使用したHMMのチュートリアルへのポインタも大いに役立ちます。
ありがとう