我正在从事一个项目，该项目涉及比较从加速度计和陀螺仪传感器收集的运动数据。假设我有特定类型运动(例如 throw 球)的数据，并且我已经手动创建了分段，如下图所示，其中 A B 和 C 表示三个分段。
带分段的加速度计数据:
目标:给定 X 一个新的运动数据时间序列，我从同一个传感器记录这些数据，我如何判断每个片段的运动与我收集的运动数据 Y 的相似程度。请注意，对于新数据，我没有关于分割市场的信息。
想法:我知道如何使用互相关或 DTW 比较两个时间序列，但在我的例子中，分段存在问题。将 DTW 与 1-KNN 应用于从我的集合中找到“最近的”时间序列(X)然后将 Y_nearest 的每个段与 X 进行比较是一个好主意吗？如果我没有，我该如何进行比较有关 X 运动数据段的信息？是否有使用机器学习算法的更好方法？
最佳答案
这里的数据只是更广泛的不适合 DTW 或其他形状测量，并且需要基于特征的方法。
DTW 可以对齐未对齐的数据，但无法将 5 个峰映射到 4 个峰。对于此类数据，人们求助于创建一个包含 {min,max,STD, zero-crossings, etc} 的特征向量
但是，有一种新颖的未发表的距离测量方法可能会起作用。如果你写信给我，我会把代码发给你。
埃蒙·基奥
关于algorithm - 运动数据对比，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/51341973/