Kỹ thuật học tập phân loại trực tuyến gia tăng trên dữ liệu truyền phát


9

Đó có thể là kỹ thuật tốt để đối mặt với vấn đề trừu tượng này?

Bạn có một luồng dữ liệu của tín hiệu liên tục, như một tín hiệu từ một cảm biến vật lý. Tín hiệu đó có giá trị thực (rời rạc), không có thuộc tính; các tính năng gây nghiện (ví dụ: sức mạnh, tương quan tự động, entropy) có thể được trích xuất. Bạn có thể gán một nhãn từ bộ hữu hạn cho cửa sổ tín hiệu. Hãy để nhãn này là một nhãn đào tạo . Bạn phải chọn điểm bắt đầu và điểm kết thúc của cửa sổ cũng như nhãn cửa sổ.

Nhiệm vụ là phân loại các cửa sổ tiếp theo trực tuyến, giống như tín hiệu được nhận.

Tôi đang yêu cầu một thuật toán gia tăng, theo nghĩa là nó sẽ tăng hiệu suất phát hiện của nó với nhiều nhãn đào tạo hơn. Nhưng nó phải có khả năng phân loại ngay cả chỉ sau một nhãn đào tạo.

Nếu vấn đề trở nên quá khó khăn do phát hiện ranh giới cửa sổ, giả sử bạn có thể sửa kích thước của chúng ở một hằng số nhỏ. Do đó, thuật toán phân loại các lát nhỏ của tín hiệu và sau đó nó hợp nhất các lát liền kề với cùng nhãn. Nếu bạn sử dụng phương pháp đơn giản hóa đó, xin vui lòng biện minh tại sao nó hợp lý.

Câu trả lời:


2

Nếu đây là một vấn đề phân loại nhị phân thì có thể áp dụng một SVM trực tuyến như Bordes, A. và Bottou, L. , "The Huller: một SVM trực tuyến đơn giản và hiệu quả", ECML 2005 .

Nếu đây là phân loại không nhị phân (nghĩa là có nhiều hơn 2 nhãn có thể), bạn có thể xem xét các kỹ thuật bình phương đệ quy nhỏ nhất. Chúng được tạo ra để hồi quy trực tuyến, nhưng chúng cũng hoạt động khá tốt để phân loại trực tuyến. Đây là một thuật toán KRLS cơ bản: Y. Engel, S. Mannor và R. Meir , "Thuật toán bình phương tối thiểu hạt nhân tái tạo hạt nhân", IEEE Trans. Xử lý tín hiệu, 2004 .

Cả hai cách tiếp cận này sẽ yêu cầu kích thước cửa sổ cố định để so sánh các vectơ đầu vào có cùng kích thước.

Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.