Мне нужно обучить классификатор по данным движения с акселерометра. Для каждого временного образца я сохранял координаты X Y и Z. Таким образом, одно движение представлено в моем наборе данных следующим образом:
[0.39028051 -0.5483283 10.385374]; [0.17420317 -0.2802931 10.72625]; [0.28956637 -0.13387422 11.9645]; [0.6281768 -0.14725612 13.369692]; [0.72674876 -0.115191355 14.50422]; [0.7450281 -0.079684645 15.090715]; [0.74526054 -0.44727635 15.027773]; [0.6936915 -0.9639046 14.088198]; [0.5290651 -1.1378883 12.5164585]; [0.23881127 -1.346372 10.889902]; [0.052466527 -1.2700776 9.227933]; [0.019615699 -0.8237766 7.65959]; [0.10373996 -0.29147366 6.416745]; [0.17365126 0.09419979 5.420801]; [0.18465124 0.3646446 4.5289593]; [0.22039331 0.52677184 3.8076568]; [0.33365434 0.48184758 3.4170833]; [0.40346703 0.21976978 3.472282];
где значения между [] представляют компоненты XYZ.
Сначала я подумал, что Скрытая Марковская Модель лучше всего подойдет для моей проблемы. Но у меня проблемы с определением состояний в моих данных. Все примеры, которые я нахожу, имеют четко определенный, конечный набор состояний (то есть дождь, солнечно или облачно). Все значения в моем наборе данных находятся в диапазоне от -11 до +11, но они, очевидно, не являются целыми числами. Тем не менее, я мог бы использовать это как государства? таким образом давая мне 11 * 11 * 11 = 1331 состояний? И как бы я рассчитать матрицу перехода?
Кроме того, количество наблюдений различается между движениями (хотя и относится к одному и тому же классу).
Извините, этот вопрос слишком широкий, очень помогает указатель на учебник по HMM с данными такого типа!
Спасибо