extraction de caractéristiques pour l'apprentissage automatique

Question

Vous cherchez un conseil. Je joue avec un accéléromètre, combiné avec l'application d'apprentissage automatique dans MATLAB. Il existe clairement plusieurs façons d'extraire des entités à partir des données reçues, à la fois dans les domaines temporels et fréquentiels. Cependant, j'ai récemment rencontré une analyse temps-fréquence, en particulier en utilisant des ondelettes. Est-ce que quelqu'un a reçu des conseils sur l'utilisation de l'analyse en ondelettes pour classer les données accélérométriques (ou similaires) et les avantages de l'utiliser? Ou si en effet ce serait un moyen valable d'extraire des fonctionnalités? Je ne suis pas sûr du type de données que je devrais extraire en utilisant cette méthode?

Merci d'avance.

Answer 1

Quelques points à noter,

1) Vous pouvez transformer un certain nombre d'échantillons (doit être un nombre dyadique et dépend de votre fréquence d'échantillonnage) dans le domaine des ondelettes et classifient les données. (par exemple, si vous transformez 64 échantillons d'accéléromètres, vous avez également 64 points dans le domaine des ondelettes). 2) En dehors des informations temps-fréquence issues de la transformation en ondelettes, la transformation en ondelettes a une propriété peu fréquente (https://en.wikipedia.org/wiki/Sparse_approximation) qui serait utile pour votre modèle de classification.

3) En outre, vous pouvez essayer les différentes fonctions de base d'ondelettes (ondelettes mère),

et essayer de comprendre quelle base est le plus adapté à vos données. Peut-être que vous pouvez commencer avec la fonction de base Haar car il est plus approprié pour capturer le comportement singulier de vos données.