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，还是我完全关闭了？我找不到任何输入数据的好例子，看看我的问题是否可以提供给 SVM。
目前使用matlab。
我没有使用 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，它将进行排序。
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-Means 和 Logistic 回归。
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。