支持向量机的傅里叶谱分析答案

【问题标题】：Fourier spectral analysis with Support Vector Machines支持向量机的傅里叶谱分析
【发布时间】：2013-06-11 14:37:35
【问题描述】：

今天下午我读了一些关于 SVM 的文章。并希望这看起来很有希望。

我目前正在解决一个问题，我正在寻找傅立叶光谱中的模式。我要说的是，我已经看了好几天的频谱了。我希望能找到一些重复的模式。我发现了一些与特定模式匹配的标准，但在下一个示例中，整个模式可能看起来略有不同。所以总是有细微的偏差，很难描述。或者以另一种方式，我可能忽略了一些东西。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，可以是任何东西（无需知道）。

这是 SVM 能够做到的事情，还是我完全不做？我找不到任何输入数据的好示例，以查看我的问题是否可以提供给 SVM。

目前正在使用 Matlab。

【问题讨论】：

这是一个非常有趣的问题，但不太适合 SO，我建议尝试 Cross-Validated stats.stackexchange.com/questions/23391/… 或 CS beta，cs.stackexchange.com/questions/4750/…
或 dsp.stackexchange.com

标签： matlab signal-processing fft svm

【解决方案1】：

我没有 SVM 方面的经验，但我有相关技术方面的经验，我可以说：

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频谱是什么。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导致输入不同，则需要对单个参数进行编码。例如，您可以制作一个参数，即您的一些较高频率与一些较低频率的比率。您可能还想使用频率质心和过零率等参数，它们比频谱更简单，但仍可能携带有用的信息（这些用于音频和语音。不确定它们是否适用于您正在查看的任何内容） .获得这些派生参数后，将它们提供给 SVM 分析，由它进行排序。

您可能想要研究的其他技术（也有相同的要求）包括 HMM（隐马尔可夫模型）、K-Means 和 Logistic 回归。

【讨论】：

我正在查看超声波下物体的反射光谱。您所描述的是我目前手动执行的操作。我正在寻找重复出现的模式，如果找到，我会寻找一个系数。但现在它是关于过滤我得到的数百个光谱数据。超声波为每个压电产生一个信号，这会给我一个单独的频谱。所以一些常见的信号处理分析在这里不起作用。

【解决方案2】：

实际上已经对这个特定主题进行了大量研究，尤其是小波变换。 Google Wavelet Transform and SVM，你会发现很多论文。从那里，您可以轻松地将模型从小波调整为 FFT 频谱。

【讨论】：