Sorun açıklamanıza göre hem HMM (üretken model) hem de CRF (ayrımcı model) çalışacaktır. İki yaklaşımın daha ayrıntılı bir açıklaması için bu tartışmaya bakın:
Üretken ve Ayrımcı Algoritma arasındaki fark nedir?
Bir öneri: bir algoritma seçmeden önce, sayısal verilerinize MATLAB grafikleri veya benzerleriyle dikkatlice bakarak başlayın. Bilgiler çok boyutlu ise (örneğin, birden fazla sensörden gelen kuvvet değerleri), bazı boyutların (örn. Sensör okumaları) yararlı ayrımcı bilgiler içermemesi söz konusu olabilir; bu durumda, eğitim ve sınıflandırma sırasında daha kompakt özelliklere sahip olmanız için verileri Temel Bileşen Analizi ile sıkıştırın.
Şimdi, sorunuzla ilgili olarak:
Fark, HMM'lerin doku sınıflarınızın her birini birkaç gizli değişken / durumla temsil edebilmesi ve böylece her bir temasın iç zamansal evrimini yakalamasıdır. HMM'nin verilerinizin "düşük seviye" (sınıf içi) dinamiklerini daha iyi modellediğini söyleyebiliriz. Örneğin, sizin durumunuzda HMM'ler, her bir veri ediniminin üç farklı aşamasını açıkça modellemenize izin verecektir: (1) robot ve nesne arasındaki temasın başlaması; (2) temasın kararlı kısmı; (3) temas ve serbest bırakma sonu. Bu aşamalar, aynı nesne dokusu için bile zaman içinde farklı değerlere sahip olabilir ve sınıflandırma sonuçlarını iyileştirmek için bunları ayırmak mantıklı olabilir.
Öte yandan, CRF'ler veri dağılımınızın "üst düzey" (sınıflar arası) ilişkilerini yakalamak için daha uygundur, bu bazen mekansal zamansal değişkenlik yüksek olduğunda veya gözlem özellikleri arasında çok benzer olduğunda önemlidir farklı sınıflara ait iki örnek.
Şahsen HMM'lerin kullanımını daha kolay buluyorum ve bunlarla başlayacağım, ancak kilometreniz değişebilir.
Daha fazla kategoriye ayırmaya karar verirsem ve kategorilerin her biri arasındaki ayrım çok inceyse, bu durumda iyi bir seçim ne olurdu?
Bu durumda, CRF'ler daha sağlam bir seçim olabilir (yukarıya bakın).
Dokuları bu kategorilere ayırmak için ihtiyacım olan tüm bilgileri elde etmek için zorlama verileri yeterli olacak mı?
Özellikle yüksek çözünürlüklü kameralarla çekiliyorsa görsel özellikler (nesne görünümü) eklemek, nesnenin sert bir dokuya sahip olup olmadığını belirlemeye yardımcı olabilir.