9 votos

Técnicas para el aprendizaje en línea incremental del clasificador en datos de la secuencia

Lo que puede ser bueno técnicas para enfrentar este problema abstracto?

Usted tiene un flujo de datos de una señal continua, como uno de sensores físicos. Que la señal real (discretizado) los valores, ningún atributo; addictional características (por ejemplo, de energía, de auto-correlación, la entropía) podría ser extraído. Puede asignar una etiqueta a partir de un conjunto finito de una ventana de la señal. Deje que esta etiqueta de ser un entrenamiento de la etiqueta. Usted tiene que choise puntos de inicio y final de la ventana así como de la ventana de la etiqueta.

La tarea es clasificar a la próxima en línea de windows, tan justo como el que se recibe la señal.

Estoy pidiendo un algoritmo incremental, en el sentido de que debe aumentar su rendimiento de detección dan más entrenamiento etiquetas. Pero debe ser capaz de clasificar, incluso después de un entrenamiento de la etiqueta.

Si el problema resulta ser muy duro porque de windows-límites de detección, vamos a decir que usted puede arreglar su tamaño a una pequeña constante. Por lo tanto el algoritmo clasifica poco las rebanadas de la señal y, a continuación, que se combina con los adyacentes con las mismas etiquetas. Cuando se usa el enfoque simplificado, por favor, justifique por qué es razonable.

3voto

Steven Puntos 306

Si se trata de un problema de clasificación binaria, entonces debe ser posible aplicar una línea de SVM tales como Bordes, A. y Bottou, L., "La Percusión: un simple y eficiente en línea SVM", ECML, 2005.

Si ésta no es una clasificación binaria (es decir, más de 2 posibles etiquetas) que usted puede buscar en el núcleo recursiva de mínimos cuadrados técnicas. Están hechos en línea de regresión, pero realizan muy bien para la clasificación en línea. He aquí uno de los básicos KRLS algoritmo: Y. Engel, S. Mannor y R. Meir, "El Núcleo Recusrive Algoritmo de mínimos Cuadrados", IEEE Trans. El Procesamiento De La Señal, 2004.

Ambos de estos enfoques requieren ventana fija-tamaños con el fin de comparar vectores de entrada del mismo tamaño.

i-Ciencias.com

I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.

Powered by:

X