我有一个很长的时间序列信号。这个信号通常很稳定，但是当传感器受到刺激时会发生变化，而且这种变化通常很短暂。我知道这可以使用标记的方法（如神经网络，CNN等）进行训练，但是标记需要很多时间，这是因为我的更改时间很短（大约4秒），而更改时间是不多。因此，我想使用随机数生成许多类似于模式的信号，然后在执行检测之前使用自动编码器（或特征提取方法）来学习特征。
我想问的是我的想法是否有任何错误，或者任何人都可以提供一些想法或意见。多谢！
模式不会很明显，但像这样：
我的想法：
如何使用机器学习来寻找信号中相似区域的模式
数据挖掘
机器学习
时间序列
顺序模式挖掘
2022-03-11 00:43:15
3个回答
如果您的信号像您展示的那样遵循简单的方形模式，为什么不使用更简单的解决方案呢？一些平滑以减少噪声（例如：卡尔曼滤波器）+ 导数函数（例如：numpy 中的 diff 函数）来检测起伏应该足以检测信号模式，包括它们的持续时间。
寻找“相似”信号的一个很好的包是 Python 的矩阵配置文件。
如果我正确理解了您的问题，那么它将使您免于创建随机信号来训练分类器。此外，在包中，您可以提供窗口长度，因此假设您的信号是均匀采样的，那么您可以提供最大持续时间并且它应该可以工作。它是专门为长信号设计的，据我所知，它是基于自相关的。
https://matrixprofile.docs.matrixprofile.org/
https://matrixprofile.docs.matrixprofile.org/examples/ECG_Annotation_Vectors.html
动态时间规整 (DTW) 是在不同信号中查找相关块的好方法。
其它你可能感兴趣的问题