问题描述
我正在从具有.NET Core应用程序的硬件设备中收集FFT样本数据。数据结构是每个样本4096个值的浮点数组。这些值中的每一个都代表一个较小的频带及其幅度。随着实时测量的进行，这些浮点数组会定期出现。
为了进行分析，我需要能够针对学习期间捕获的数据训练模型。学习完成后，必须对新样本进行比较和评估。如果样本（FFT频谱）看起来与训练期间观察到的相似，则结果很好。如果看起来有很大不同，则结果很差，应该使用现有的UI来指示。
我只需要训练和分类部分。我已经阅读了ML.NET网站，并且猜测我需要ML.NET的异常检测功能。它只能用良好的数据进行训练，并且应该在不事先查看的情况下自动检测不良数据。不幸的是，我能找到的所有示例都只有一个样本。没有人尝试使用整数数组作为数据。所以我不知道如何实现这一目标。 ML.NET甚至能够做到这一点，并且它是完成任务的合适工具吗？我没有足够的商业能力来全面研究和理解ML.NET网站提供的示例。我只有这个float [4096]数据集，并希望将其用作ML的第一步。
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）