C++ libsvm-训练信号

一般来说，我对ML和SVMs等都是新手。我有一个信号的x，y数据点数组。该信号类似于ECG（下图）。我想训练支持向量机对正常心电信号和非正常（异常）信号进行分类。使用LibSVM（或任何其他SVM库）实现这一点的最佳方法是什么

与几乎所有示例一样，要求将训练样本表示为位于特征空间中的样本

为了创建这样的特征向量，你必须对你的信号进行处理。也就是说，您必须从您的信号中提取一些可测量的辨别尺度不变特征（例如）

一旦这样做，就必须将特征向量组织为数据矩阵的行（或列）。数据矩阵是二维矩阵，其中其行（或列）是先前提取的特征向量。例如，假设您有3个由3D特征向量表示的信号（即，从每个信号中提取了3个特征）

,， ,

（其中T表示转置）

那么您的数据矩阵将是：

创建数据矩阵后，必须创建数据标签的向量。标签向量是一个一维向量，其行数（或列数）与数据矩阵的行数（或列数）相同，并且包含与要素向量对应的类标签。由于您的问题由两类（即正常和非正常）组成，您的标签向量将只有2个符号（例如，正常=-1，非正常=1）。继续上一个示例，如果是法线和非法线，则标签向量如下所示

现在，关于LibSVM部分：使用将数据矩阵和类标签存储在

.txt

文件中。 文件格式为：

<label> <index1>:<value1> <index2>:<value2>

但是要记住，如果你有第零个值，你可以忽略它们。例如，如果您的文件看起来像：

-1 1:1 2:2 3:3
-1 1:4 2:5 3:6
 1 1:7 2:8 3:9

-1 2:2 3:3
-1 1:4 2:5 3:6
 1 1:7 2:8 3:9

还要注意，在文件的每一行中，首先要写入特征向量的类标签，然后再写入其值

---

一旦创建了上述文件，就可以开始了。在中，您将找到在文件中运行LibSVM所需的所有说明。

对我来说，您的问题听起来像是个问题，因为您永远不会有“非正常”特征空间的训练样本。libSVM确实支持这一点

棘手的部分是提取不变特征，这是一个信号处理问题。您可能需要评估不同的方法，如小波或暴力采样。您也可以尝试使用描述性方法，如6个相对最小值/最大值。覆盖多个周期的算法可能比基于提取单个周期和/或提取单个参数的算法更稳定

---

根据您可接受的假阳性率和假阴性率，某些备选方案可能会被排除。

感谢您提供详细信息。你知道有什么好的库可以自动从信号中提取相关特征吗？正如你可能知道的，我对特征提取是新手。我认为峰值间隔距离和信号形态分割是很好的特征，但我不知道如何从以采样率

sr

采集的点阵列中的数字信号中“提取”该信息。如果表示原始信号采样的每个点序列，具有相同数量的点和具有相同索引的所有样本（例如，在每个信号中，序列中的第三个点具有索引3）对应于完全相同的采样时间帧，并且如果所有信号中的振幅具有相同的比例，则您可以使用点序列作为特征向量。否则，您将不得不求助于MatLab、Octave、SciKit Learn、Weka等软件包。信号特征提取技术有很多：