Matlab 基于支持向量机的傅里叶谱分析

今天下午我读了一些关于SVM的书。希望这看起来很有希望

我目前正在研究一个问题，我正在寻找傅里叶光谱中的模式。我想说的是，我已经观察光谱好几天了。我希望找到一些重复的模式。我发现了一些与特定模式匹配的标准，但在下一个示例中，整个模式看起来可能略有不同。所以总是有轻微的偏差，这使得它很难描述。或者在另一方面，我可能忽略了一些东西。但我可以清楚地说，这是训练数据

我希望利用支持向量机来训练它，并预测分类。这意味着如果我有另一组新数据，它会告诉我，它与训练数据匹配，或者它进入“其他”组，这可能是任何东西（无需知道）

这是一个支持向量机能够做到的，还是我完全错了？我找不到任何输入数据的好例子，看看我的问题是否是我可以提供给SVM的东西

---

目前正在使用Matlab。

我没有SVM方面的经验，但我确实有相关技术方面的经验，我可以说：

很可能，你不能简单地从光谱到SVM再到决策。您需要确定区分各种输入的光谱是什么。例如，如果是数据随时间变化的方式或高频和低频之间的关系导致输入不同，则需要将其编码为单个参数。例如，你可以做一个参数，它是一些较高频率与一些较低频率的比率。您可能还希望使用频率质心和过零率等参数，这些参数比频谱更简单，但仍可能携带有用的信息（这些参数用于音频和语音。不确定它们是否适用于您正在查看的任何内容）。一旦获得这些衍生参数，将它们输入到SVM分析中，SVM分析将进行排序

---

你可能想研究的其他技术（也有同样的要求）包括HMM（隐马尔可夫模型）、K-均值和逻辑回归。

实际上，在这个特定的主题上已经做了大量的研究，尤其是小波变换。谷歌小波变换和支持向量机，你会发现一些论文。从这里，您可以轻松地将模型从小波调整为FFT频谱。

这是一个非常有趣的问题，但不太适合，我建议尝试交叉验证或CS beta，或dsp.stackexchange.comI我正在查看超声波下物体的反射频谱。您所描述的是我目前手动执行的操作。我正在寻找重复出现的模式，如果找到，我会选择系数。但现在，它是关于过滤我得到的数百个光谱数据。超声波为每个压电元件产生一个信号，这将给我一个单独的光谱。所以一些常见的信号处理分析在这里不起作用。