判断两条轨迹的相似性方法有很多基于点方法: EDR,LCSS,DTW等基于形状的方法: Frechet, Hausdorff基于分段的方法:One Way Distance, LIP distance基于特定任务的方法:TRACLUS, Road Network,grid等
作者:Di Yao
链接:https://www.zhihu.com/question/27213170/answer/271567963
来源:知乎
感觉有点类似人工智能的求loss方法。量化两个曲线的相似度(不同度)
很多都是算距离的方法
1.1欧几里得距离(Euclidean Distance)以及欧式距离的标准化(Standardized Euclidean distance)
1.2马哈拉诺比斯距离(Mahalanobis Distance)
1.3曼哈顿距离(Manhattan Distance)
1.4切比雪夫距离(Chebyshev Distance)
1.5明可夫斯基距离(Minkowski Distance)
1.6海明距离(Hamming distance)
其他方案及细节待补充
2020/11补充
Fréchet Distance
1906年,法国数学家莫里斯·勒内·弗雷谢特(MauriceRenéFréchet)提出了一种基于空间路径相似性的描述方法1,该方法着重于考虑路径空间距离,从而更有效地评估了具有特定空间时间序列的曲线的相似性。 受采样方法影响,研究中使用了离散弗雷歇距离。
Fréchet, M.M., Sur quelques points du calcul fonctionnel. Rendiconti del Circolo Matematico di Palermo (1884-1940), 1906. 22(1): p. 1-72. ↩︎