如何截取完整的波形图，请教一下各位（关于机器学习、特征提取、时间序列）

[AlwaysBee]

最近在做机器学习相关的事情，但遇到了如下问题，导致训练出来的模型识别准确度一般

数据波形图如上图所示，我目前是通过滑动窗口来进行截取的，我的预期是截取下来的数据是红色框框的这种（两边平缓、中间波动较大），我目前的截取条件是超过阈值就自动截取

注：窗口大小是固定的

但由于条件可能过于单一，也有一定的概率截取到黑色框框的这种类型的数据

本人在数据分析和机器学习上，基本上是小白，问题描述可能也比较不专业，所以在此请教一下 V 友，这种时间序列的数据，应该如何进行特征提取

[AlwaysBee]

@sillydaddy #14
请教一下，这里的乘以 1.0 是有什么作用吗？

[ipwx]

@AlwaysBee 你现在总结的信息才是解决你问题的重要信息。

按照你的说法，我感觉似乎用一个高斯核、一个均匀核进行卷积。如果两者相差太大，就可以认为出现了你要的检测信号。

[sillydaddy]

@AlwaysBee 40 个点乘以 1.0 加总，其实隐含的就是两侧的 60 个点乘以 0.0 ，取 1.0 是对比 0.0 来说的。这里对每个点乘以一个加权数然后加总的过程就是 ipwx 提到的卷积。具体加权的数字怎么定义，怎么分布，就是所谓的卷积核。它是根据待提取的特征决定的。比如为了突出中间数值特别大的特征，也可以取中间 10 个点乘以 3.0 ，周围 30 个点乘以 1.0 ，再周围 60 个点乘以 0.0 。卷积核怎么定义，都是自己定的。

在这个例子里，特征就是中间波动大(数值绝对值也大)，两边波动小(数值绝对值也小)。假设想要提取一个满足中间值比较大，两侧值比较小这个特征的滑动窗口，那就对于连续的每个滑动窗口，都用滑动窗口的中间区域乘以一个大的数值，两侧区域乘以一个小的数值，加总后的值得到该滑动窗口对应的特征值。如果某个滑动窗口的这个特征值比周围滑动窗口的特征值都大，即极大值，那我们就找到它了。

[AlwaysBee]

谢谢两位，我这边先消化一下
@sillydaddy @ipwx

[sillydaddy]

如果你要提取波动大的特征，而不是数值绝对值大的特征，也可以类似比照着做，只是需要先计算一下相邻两个点的变化率，通过卷积，对一个窗口的变化率加权加总，来计算出一个特征值。

甚至也可以将数值大小与变化率大小结合起来，计算出一个特征值。单看数据的特征了。

我是看你发的图形的特征，用数值计算特征值好像就足够了。

[Sawyerhou]

直接要求最小值在窗口中间行不？

[SiWXie]

@Sawyerhou 这个是最简单的，先把所有数据用窗口扫一遍，判断极值是不是在窗口的中间，不再的先过滤掉。

这样不仅能保证样本具有一致性操作也简单。op 需要做的就是设置最小值的阈值，超过这个阈值才能称作最小值。

至于上面讨论的核函数方法，我们就算求出了特征值，也需要设置阈值做判断，还不如这个直接。

[Sawyerhou]

倒也不一定删掉，我就觉着把那个黑框挪一下，把最值放窗口中间，就跟红框差不多。

[TY233]

感觉都不用 ai ，opencv 就可以搞定，从左到右检测蓝线的值，低于阈值就以这个点为中心画框