Accelerometer baserad gestigenkänning för att styra en LED (4 / 8 steg)
Steg 4: Pre bearbetningsdata för beslutsträd använder
Till skillnad från HMM och DTW algoritmer, är beslutsträd inte beredd att ta itu med klassificering i tidsserieuppgifterna. En tid serie är en sekvens av uppmätta data. Varje gest har sin egen tid serie data. Varje tid serie kan ha olika antal åtgärder, även data från en samma gest. Weka beslutsträdet i det här fallet vill vi använda, några funktioner från den tiden serien och bygga en fil med. Arff förlängning.
Waleed Kadous utreds det i sin doktorsavhandling och föreslagna två metoder att utvinna funktioner från en tid serie. Jag använde en strategi som, enligt honom, fungerat förvånansvärt bra även att vara en enkel algoritm. Denna metod består i att dela upp varje tidsserie (oavsett längd) i ett antal fönster. Således, om ett exempel är 45 prover lång, det första fönstret måste värdena från den första till nionde åtgärden, det andra fönstret har värdena från tionde till artonde åtgärden och så vidare. Vi beräknar statistik för varje fönster.
Ett R program har utvecklats till, baserat på den textfil som genereras av programmet och bearbetning, pre bearbeta tidsserien och generera datadelen av filen arff Weka tåg. Programmet beräknar medelvärdet och standardavvikelsen för varje fönster för varje axel (x, y och z) som funktioner.