我的android手势识别应用程序需要分类方法吗？

我正在开发一个android应用程序，可以识别加速度计手势。现在，我只是利用动态时间扭曲来获得输入手势和数据库中大约200个唯一手势数据之间的最小距离。我的应用程序遍历数据，并将输入的手势与数据库中的手势数据逐一进行比较。它能在5秒内找到最小距离并平均识别出手势。问题是我能否将识别时间加快半秒或更短？我是否必须使用像KNN这样的分类方法，并将其与dtw方法相结合？我们将特别推荐一个示例或参考资料。

您当前正在做的是1NN。换句话说，您已经在运行一个最简单的KNN方法。当K=1时。改变K不会加快任何速度，它只能改变结果的质量。为了加快流程，您可以考虑使用两种方法：

• 使用一些索引方法，这将降低基于距离的搜索的计算复杂性。这个问题称为最近邻搜索（NNS），甚至就其速度而言
• 使用完全不同的分类方法，建立一个更简单的模型（可能是SVM，甚至是一些决策树——这取决于您的实际数据）

---

我的直觉是，本地敏感哈希非常容易应用。例如，您可以通过随机选取K个点并检查时间序列是否离得太远来设计它们

我会详细介绍这个想法，但我发现了这篇文章：，它似乎使用了更简单的LHS函数

---

所以这是一条出路，希望能解决。你也可以实现一个简单的分类器并接受它的答案，如果它对手势非常确定（我建议在这里使用SVM，正如上面的答案一样），如果它接近边界决策，则寻找最近的邻居。

你可以在10000赫兹下进行DTW，即使是在电话上，请参见此视频

---

埃蒙恩

谢谢你的回答。。我会找的。如果我错了，请纠正我。这个用于子序列匹配。。但我的是全序列匹配。。