Распознавание образов с использованием машинного обучения

Question

У меня есть много кривых эволюции (вовремя) системы в виде изображений. Эти кривые эволюции строятся, когда система ведет себя нормальным образом («хорошо»).

Я хочу обучить модель, которая изучает формы кривых (или части фигур), когда она ведет себя нормальным образом, чтобы она могла классифицировать новые кривые как нормальные (или ненормальные).

Какие-либо идеи по поводу модели использования или как действовать? Спасибо

Answer 1

Вы можете начать с маркировки (аннотирования) изображений.Метка может быть как Normal / Not Normal, так и 0/1, или с любым количеством классов, на которые вы хотите разделить данные.

Поскольку это диаграмма, поэтому ориентация важна, неправильная ориентация может разрушить смысл изображения.Поэтому создайте алгоритм, который всегда ориентирует график одинаково при чтении.

Теперь, когда маркировка выполнена, вам необходимо обучить эти изображения правильной классификации.

• Дополнить данные, если необходимо
• Найти модель классификации изображений
• Использовать обученные веса.
• подавать изображения и аннотации в нужном формате.
• Обучать модель
• Проверка ошибок вывода или ошибок классификации.
• Создайте оценочную матрицу, например, матрицу путаницы в случае классификации.Если модель правильная и обучение выполнено правильно, вы получите хорошую точность.В противном случае повторите шаги.

Это просто обзор, с которого вы можете начать к своей цели.

Answer 2

Можно выполнить PCA , а затем классифицировать.Также обратите внимание на функциональный анализ данных

Вот хорошее руководство для начинающих с PCA