我有一个草图，并且在绘制该草图时还记录了顶点数据。因此，基本上，对于每个粗糙的草图，我都有一组顶点（二维）。不同的草图分类已用线，椭圆和圆等几何图形标记。
当线，椭圆和圆的方向不同时，我尝试收集大约50个数据样本。为了预处理我的数据，我使用了PCA（主成分分析）。因此，这照顾了旋转部分。例如，如果椭圆的主轴线与X轴成45度，则应用PCA后，我们的椭圆轴几乎与X轴对齐。此后，我只是缩放了新获得的顶点数据，以使x和y值都在0和1之间，并且还保持轨迹恒定。
现在，为了训练模型并预测分类，我使用了动态时间扭曲技术，如链接http://www.nickgillian.com/wiki/pmwiki.php/GRT/DTW#TrainingDataFormat中所述。但是不幸的是，它并没有成功，每次都只能将其归类为Line。
如果有人可以提出有关动态时间扭曲的正确用法以实现正确分类的建议，我将感到非常高兴。我还想知道您的建议，以使用任何其他更好的方法来获得快速分类结果。
预先感谢！