Виходячи з опису вашої проблеми, будуть працювати як HMM (генеративна модель), так і CRF (дискримінаційна модель). Дивіться цю дискусію для більш поглибленого пояснення двох підходів:
Яка різниця між генеративним та дискримінаційним алгоритмом?
Пропозиція: перед тим, як вибрати алгоритм, почніть з уважного перегляду ваших числових даних, з графіками MATLAB або подібними. Якщо інформація є багатовимірною (наприклад, значення сили від декількох датчиків), можливо, деякі розміри (наприклад, зчитування датчиків) не містять корисної дискримінативної інформації; у цьому випадку стисніть дані за допомогою аналізу основних компонентів, щоб у вас з'явилися більш компактні функції під час навчання та класифікації.
Тепер щодо вашого питання:
Різниця полягає в тому, що HMM можуть представляти кожен з ваших класів текстури з кількома прихованими змінними / станами, таким чином фіксуючи внутрішню часову еволюцію кожного контакту. Можна сказати, що HMM краще моделює динаміку "низького рівня" (внутрішньокласової) ваших даних. Наприклад, у вашому випадку HMM дозволять вам чітко моделювати три різні фази кожного збору даних: (1) початок контакту між роботом та об'єктом; (2) стабільна частина контакту; (3) закінчення контакту та вихід. Ці фази можуть мати різні значення в часі, навіть для однієї і тієї ж текстури об'єкта, і це може мати сенс розділити їх для покращення результатів класифікації.
З іншого боку, CRF більше підходять для фіксації "високорівневих" (міжкласових) відносин вашого розподілу даних, які іноді важливі, коли просторово-часова мінливість висока або коли функції спостереження дуже схожі між два зразки, що належать до різних класів.
Особисто я знаходжу HMM простішими у використанні, і я б почав з них, але ваш пробіг може відрізнятися.
Якщо я вирішу класифікувати на декілька категорій, і відмінність кожної з категорій є дуже тонкими, то в цьому випадку, що було б хорошим вибором?
У такому випадку CRF можуть бути більш надійним вибором (див. Вище).
Чи буде силових даних достатньо для збору всієї необхідної мені інформації для класифікації текстур до цих категорій?
Додавання візуальних особливостей (зовнішній вигляд об'єкта), особливо якщо вони зроблені камерами високої роздільної здатності, може допомогти визначити, має об’єкт шорстку текстуру чи ні.