TPAMI 2025 | 用于时间序列分类和聚类的广义时间规整不变字典学习

论文信息

题目：Generalized Time Warping Invariant Dictionary Learning for Time Series Classification and Clustering

用于时间序列分类和聚类的广义时间规整不变字典学习

源码：Ruiyu Xu, Chao Wang, Yongxiang Li, Jianguo Wu

论文创新点

1. 提出新的字典学习框架：作者提出了广义时间规整不变字典学习（GTWIDL）框架，将时间规整算子表示为连续且无约束的规整路径，解决了传统基于动态时间规整（DTW）方法的局限性，有助于多维时间序列数据的联合对齐。
2. 开发高效优化算法：设计了一种基于块坐标下降（BCD）的高效优化算法，能够联合更新稀疏系数、字典和规整算子。