libsvm - 训练信号

Question

我是ML和SVM等的新手。我有一个信号的x，y数据点数组。该信号类似于ECG（下图）。我想训练SVM以将正常ECG信号与非正常（异常）信号分类。使用LibSVM（或任何其他SVM库）实现此目的的最佳方法是什么？

Answer 1

Support Vector Machines几乎所有classifiers都需要将训练样本表示为位于特征空间中的feature vectors。

为了创建这样的特征向量，您必须对信号进行feature extraction。也就是说，您必须从信号中提取一些可衡量的区分尺度不变特征（例如wavelet coefficients）。

完成此操作后，您必须将要素向量组织为数据矩阵的行（或列）。数据矩阵是2D矩阵，其行（或其列）是先前提取的特征向量。例如，假设您有3个由3D特征向量表示的信号（即，从您的每个信号中提取3个特征）。

， ，

（其中T表示转置）。

然后您的数据矩阵将是：

创建数据矩阵后，您必须创建数据标签的向量。标签＆＃39;向量是一维向量，具有与数据矩阵相同的行数（或列数），并包含与要素向量对应的类标签。由于你的问题包括两个类（即正常和非正常），你的标签向量只有2个符号（例如，normal = -1，non-normal = 1）。继续上一个示例，如果正常，非正常，则标签向量看起来像

现在，只要涉及LibSVM部分：LibSVM使用LibSVM format将数据矩阵与类标签一起存储在.txt文件中。 文件格式为：

<label> <index1>:<value1> <index2>:<value2>

按照我们的示例，您的文件内容如下所示：

-1 1:1 2:2 3:3
-1 1:4 2:5 3:6
 1 1:7 2:8 3:9

但请注意，如果您有第零个值，则可以省略它们。例如，如果，那么您的文件将如下所示：

-1 2:2 3:3
-1 1:4 2:5 3:6
 1 1:7 2:8 3:9

另请注意，在文件的每一行中，首先要编写特征向量的类标签，然后再写入其值。

一旦您创建了上述文件，就可以开始了。在LibSVM's site中，您会发现所有说明都需要它来运行LibSVM和您的文件。

Answer 2

对我来说，你的问题听起来像One-class classification问题，因为你永远不会为“非正常”特征空间提供训练样本。 libSVM确实支持它。

棘手的部分是提取不变特征，这是一个信号处理问题。您可能需要评估不同的方法，如小波，FFT或强力采样。您还可以尝试使用描述性方法，例如6个相对最小值/最大值。覆盖多个周期的算法可能比基于提取单个周期和/或提取单个参数的算法更稳定。

取决于您可接受的假阳性和假阴性率，某些替代品可能会被排除在外。