人工智能/机器学习基础知识——时间相似性度量（DTW）

时间序列相似度度量

Temporal Sequences Similarity Measurement

Dynamic Time Warping（DTW）

CSDN

CSDN

知乎

动态时间归整

• Key Idea

  • 两段时间序列可能存在一定的时间轴方向飘移，在这种情况下，若在同一坐标系下使用欧氏距离衡量两段序列对应逐点距离，则不能很好地反应两段时间序列的相似度

  • 在大多数情况下，两个序列整体上具有非常相似的情况，但这些情况在时间轴上并不是对齐的。所以在比较它们之间相似度之前，需要将其中一个或两个序列在时间轴下扭曲（Warping）以达到对齐

  • DTW通过把时间序列进行延伸和缩短，来计算两个时间序列之间的相似性

  

• Algorithm

  • 现有两个时间序列$Q$与$C$，一段长为$m$，一段长为$n$，每个序列中的元素可以看作是序列的特征向量

  • 若$n=m$，直接逐点计算序列距离即可

  • 若$n\ne m$，为了对齐序列，构造一个$n\times m$的矩阵，其元素$(i,j)$表示 q i q_i q