Основываясь на описании вашей проблемы, будут работать как HMM (генеративная модель), так и CRF (дискриминационная модель). Смотрите это обсуждение для более глубокого объяснения двух подходов:
В чем разница между генеративным и дискриминационным алгоритмом?
Предложение: прежде чем выбирать алгоритм, начните с тщательного изучения ваших числовых данных, с графиками MATLAB или аналогичными. Если информация является многомерной (например, значения силы от нескольких датчиков), возможно, что некоторые измерения (например, показания датчика) не содержат полезной дискриминационной информации; в этом случае сожмите данные с помощью анализа основных компонентов, чтобы иметь более компактные функции во время обучения и классификации.
Теперь по поводу вашего вопроса:
Разница в том, что HMM могут представлять каждый из ваших текстурных классов с несколькими скрытыми переменными / состояниями, тем самым фиксируя внутреннюю временную эволюцию каждого контакта. Можно сказать, что HMM лучше моделирует «низкоуровневую» (внутриклассовую) динамику ваших данных. Например, в вашем случае HMM позволит вам явно моделировать три разных этапа каждого сбора данных: (1) начало контакта между роботом и объектом; (2) стабильная часть контакта; (3) конец контакта и выпуска. Эти фазы могут иметь разные значения во времени, даже для одной и той же текстуры объекта, и имеет смысл разделить их, чтобы улучшить результаты классификации.
С другой стороны, CRF больше подходят для захвата «высокоуровневых» (межклассовых) отношений вашего распределения данных, которые иногда важны, когда пространственно-временная изменчивость высока, или когда особенности наблюдения очень похожи между два образца, принадлежащие к разным классам.
Лично я считаю, что HMM проще в использовании, и я бы начал с них, но ваш пробег может отличаться.
Если я решу классифицировать по нескольким категориям, и различие между этими категориями будет очень тонким, в таком случае, что будет хорошим выбором?
В этом случае CRF могут быть более надежным выбором (см. Выше).
Будет ли принудительных данных достаточно, чтобы собрать всю информацию, необходимую для классификации текстур по этим категориям?
Добавление визуальных функций (внешний вид объекта), особенно если они получены с помощью камер высокого разрешения, может помочь определить, имеет ли объект грубую текстуру или нет.
