DTW算法, 时间序列相似度 2021-03-10

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了DTW算法, 时间序列相似度 2021-03-10相关的知识,希望对你有一定的参考价值。

参考技术A 衡量时间序列之间的相似性,其特点是允许时间上的伸缩,找到一个最佳路径去匹配样本。所谓最佳,其实就是最小化样本之间的距离总和。

DTW不要求样本有同样的长度以及范围,只要给定样本的起始边界,保证它们是连续单向(可以理解为随着时间)进行的就可以了。

获得 dtw_score这个代表距离的分数之后,我们就可以应用到分类,聚类等任务中的常用方法,比如KNN,SVM中了

https://www.ics.uci.edu/~pazzani/Publications/sdm01.pdf

DBA:
这个方法就是迭代地优化一个初始序列,
使得它和其他序列的DTW平方距离最小。

不过这个初始序列怎么确定呢,
作者通过一些实验发现,
初始长度取平均长度,
然后根据数据集中的一个随机样本取初始值,
可以取得不错的效果。

Adptive Scalilng: 融合距离最近的相邻坐标。

https://arxiv.org/pdf/1703.01541v2.pdf

以上是关于DTW算法, 时间序列相似度 2021-03-10的主要内容,如果未能解决你的问题,请参考以下文章

动态时间规整算法(DTW)原理及代码实现

动态时间规整算法(DTW)原理即代码实现

电力大数据一种基于DTW曲线聚类算法的需求侧响应潜力用户挖掘

测量两个短音频相似度的最简单算法

离散序列的一致性度量方法:动态时间规整(DTW)

语音识别基于语音分帧+端点检测+pitch提取+DTW算法歌曲识别matlab源码