支持向量机的傅里叶谱分析

Question

我今天下午读了一些关于SVM的内容。希望这看起来很有希望。

我目前正在研究一个问题，我正在寻找傅里叶谱中的模式。我所说的是，我一直在看光谱几天。我希望找到一些重复的模式。我发现了一些符合某种模式的标准，但是对于下一个样本，整个模式看起来可能略有不同。所以总是有轻微的偏差，这使得很难描述。或者换句话说，我可能会忽视某些事情。但我可以清楚地说，这是训练数据。

我希望利用SVM来训练它，并预测分类。意味着如果我有另一组新数据，它会告诉我，它与训练数据匹配，或者它进入“其他”组，这可能是任何事情（无需知道）。

这是SVM能做的事情，还是我完全关闭？我找不到输入数据的任何好例子，看看我的问题是否可以提供给SVM。

目前正在使用Matlab。

Answer 1

我没有SVM的经验，但我确实有相关技术的经验，这就是我可以说的：

很可能，您不能简单地从频谱到SVM再到决策。您需要确定区分各种输入的光谱的含义。例如，如果数据随时间变化的方式或高频和低频之间的关系使得输入不同，则需要对单个参数进行编码。例如，您可以创建一个参数，该参数是某些较高频率与某些较低频率之比。您可能还想使用频率质心和过零率等参数，这些参数比频谱更简单，但仍可能带有有用信息（这些信息用于音频和语音。不确定它们是否适用于您正在查看的内容） 。获得这些派生参数后，将它们提供给SVM分析，这将进行排序。

您可能想要检查的其他技术（也有相同的要求）包括HMM（隐马尔可夫模型），K均值和Logistic回归。

Answer 2

实际上已经有很多关于这个特定主题的研究，但尤其是小波变换。谷歌小波变换和SVM，你会发现一些论文。从那里，您可以轻松地将模型从Wavelet调整为FFT频谱。