我正在尝试制作一个手套，通过连接到柔性传感器和加速度计（可能还有EMG传感器）的Arduino来识别手势。
我能够记录从这些传感器读取的所有数据。我想知道如何创建一个分类器来识别这些手势。有人建议使用Matlab或Python，但我不知道该从哪里开始。我看到了一些机器学习的库，但马上就迷失了方向。我对采样和分类的概念只有一点了解。
如果可能的话，我希望得到一些建议，告诉我可以从哪里开始学习。
注意：我主要懂Java编程语言。
回答：
在将机器学习应用到你的问题之前，你可能需要参加一些相关课程/教程。这里有一个庞大的机器学习资料列表。
还有一些步骤，可能有助于你解决问题。
-
首先，你必须选择适合你的数据格式。为了识别手势，你可能需要追踪你的参数（弯曲、加速度）随时间的变化。
例如：你的参数每0.1秒记录一次，手势持续时间为1秒。因此，特征向量将看起来像
[f0, f1, ...,f10, a0, ..., a10]。 -
之后，你需要创建训练集 – 一组带有相应标签的特征向量。在这一点上，你必须自己标记手势。你可能需要大量的例子来使你后续的分类器工作。
-
最后一步：选择一些机器学习工具（我使用Python和scikit-learn）。有各种各样的分类器，但我建议从简单的开始（NearestNeighbors，决策树）。在Java中也有一些机器学习库，如果你愿意，可以使用它们。使用你的训练数据集来训练你的分类器，这样它就能预测新特征向量的标签。
示例（Python）：
from sklearn.neighbors import KNeighborsClassifierclf = KNeighborsClassifier()clf.fit(X, y)# X是特征向量的数组，y是标签的数组。gestures = clf.predict(X_new)# X_new是你想要识别的# 手势的特征向量数组另外，你可能会发现这个 Kaggle竞赛有用，它也是关于手部动作识别，但使用的是EEG记录。
