动态时间规整DTW简述

动态时间规整是一种用于对齐向量，并计算最小距离的算法，个人感觉其思想和LCS十分类似。

同样，设两个向量为x，y，First(x)表示x的第一个元素，Rest(x)表示除第一个元素以外的x的剩余元素组成的向量

采用欧氏距离作为距离度量，即向量间的距离用对应元素的平方和再开根号表示，即：

D(A，B) = sqrt [ ∑( ( a[i] - b[i] )^2 ) ]  (i = 1，2，…，n)

用D(x,y)表示x，y的DTW距离

 

定义：两个向量x,y的DTW距离为：

思路：设x长度为n，y长度为m，搜索过程就是在n*m的网格中寻找一条路径，使路径所经过的点对应的x[i],y[j]的距离的平方和最小。

每次搜索时，先计算当前网格中的x[i]，y[j]的距离的平方，然后向网格x轴，y轴和对角线三个方向递归搜索，寻找距离最小的路径。

 

类似LCS，DTW也可以用动态规划方便的实现，搜索空间为n*m

 

设dp[i][j]表示以x[i]和y[j]开始的子序列的DTW距离，则递归方程为：

dp[i][j] = (x[i]-y[j])^2 + MIN(dtw(i+1,j+1),dtw(i+1,j),dtw(i,j+1))

 

注意递归边界，先将搜索终点dp[n-1][m-1]赋值。

 

例：给定x="ABAC",y="DADDAC"

匹配路径如下图所示：

每个网格的数字表示路径在该点增加的距离的平方，由图所示，D^2(x,y)=16

 

代码如下：

#include<iostream>
#include<cstdio>
#include<string>
#include<cstring>
using namespace std;

const int maxn = 100;
const int maxv = 1000000;
string a,b;
int n,m;
int dp[maxn][maxn];

int MAX(int x,int y)
{
	return x>y?x:y;
}

int MIN(int x,int y)
{
	return x<y?x:y;
}

int dtw(int i, int j)
{
	if(i>=n || j>=m)
		return maxv;
	if(dp[i][j]>=0)
		return dp[i][j];
	
	dp[i][j] = (a[i]-b[j])*(a[i]-b[j]) + MIN(dtw(i+1,j+1),MIN(dtw(i+1,j),dtw(i,j+1)));
	return dp[i][j];
}

int main()
{
	a = "ABAC";
	b = "DADDAC";
	n = a.length();
	m = b.length();
	memset(dp,-1,sizeof(dp));
	
	dp[n-1][m-1] = (a[n-1]-b[m-1]) * (a[n-1]-b[m-1]);
	cout<< dtw(0,0) << endl;
	
	for(int i=0; i<n; i++)
	{
		for(int j=0; j<m; j++)
			cout<<dp[i][j]<<" ";
		cout<<endl; 
	}
}