格拉姆角场GAF将时序数据转换为图像，可以应用于故障诊断等多个领域

效果

2.代码（这里用随机生成的数据来模拟一维振动信号，利用格拉姆角场GAF将时序数据转换为图像，并划分为训练集和测试集，最后利用SVM分类）

# -*- coding: utf-8 -*-
"""
Created on Sat Sep 30 21:35:36 2023

@author: pony
"""

import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score
from pyts.image import GramianAngularField
from pyts.datasets import make_cylinder_bell_funnel

# 生成示例时间序列数据
X, y = make_cylinder_bell_funnel(n_samples=100, random_state=42)

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建格拉姆角场转换器对象（使用 GASF 方法）
gasf = GramianAngularField(image_size=24, method='summation