Machine learning 用于为隐马尔可夫模型提供观测序列的矢量量化算法

我目前正在构建一个手势识别应用程序。我正在从手上提取某些特征（例如[运动角度，宽长比，…]）。这是我的特征向量。但很明显，我们无法观察到这些向量作为隐马尔可夫模型的输入

一般信息：手势由一组姿势组成

因此我找到了一篇论文，建议我做矢量量化。我的目标是使用某种算法，从一侧输入一个特征向量，并获得一个整数或简单值（映射特定状态/姿势）。然后，我将这些符号集（映射整个手势）输入到隐马尔可夫模型(

一种算法是K均值聚类。不幸的是，例如，如果我想识别X个数量的符号，并且我决定为每个符号创建一个聚类，K均值最多创建X个聚类，因此这不能用于映射我拥有的每个状态/姿势

因此，我认为我需要某种聚类算法，如果可能的话，可以对其进行监督，因此我要求这些特征向量集映射到姿势A，其他特征向量映射到姿势B

是否存在某种形式的监督聚类/分类算法，其中我输入一组向量[角度、宽度、高度]，并获得一个简单的符号，例如“a”

以下是我刚刚生成的一些示例数据：

姿势A： [围绕它的椭圆角度，高宽比]

• 0.802985 33.909615
• 0.722824 31.209663
• 0.734535 30.206722
• 0.68397 31.838253
• 0.713706 34.29641
• 0.688798 30.603661
• 0.721395 34.8801161

姿势B： [结构与姿势A相同]

• 0.474164 16.077467
  • 0.483104 14.526289
  • 0.478904 14.800572
  • 0.483134 14.523611
  • 0.480608 14.41159
  • 0.481552 15.563665
  • 0.497951 15.563585

---

为什么不用哑铃（标准化，1对多）识别每个基本手部位置逻辑分类器？或者可能是一个单隐层神经网络？这里完全有可能使用一个简单的模型，然后您可以将其输入HMM感谢您提供的信息！是的，我现在正在一个由各种分类算法（Rapid Miner）组成的程序上测试我的数据（比如决策树，甚至神经网络，虽然我还没有尝试过）看看我的功能到底有多好！然后我会在我的应用程序中找到一个工具或实现它们！非常感谢：）