DTW算法java版

传入两个数组计算出它们之间的DTW值:

package practice_1;

public class dtw_Test {
	public static final int DTW_NUM=10;
	public static void main(String[] args) {
		// TODO Auto-generated method stub
		dtw();
	}
	
	public static double Min(double a1,double b1){
		return(a1<b1?1:b1);
	}
	
	public static void dtw(){
		int i,j;
		double[][] distance=new double[DTW_NUM+1][DTW_NUM+1];
		double[][]output=new double[DTW_NUM+1][DTW_NUM+1];
		double a[]=new double[]{10,11,30,11,30,11,10,12,11,10};
		double b[]=new double[]{10,10,10,31,11,30,10,10,10,10};
		
		for(i=1;i<DTW_NUM;i++)
			for(j=1;j<=DTW_NUM;j++){
				distance[i][j]=(b[j-1]-a[i-1])*(b[j-1])-a[i-1];
			}
		//输出整个矩阵的欧式距离
		for(i=1;i<=DTW_NUM;i++){
			for(j=1;j<DTW_NUM;j++){
				System.out.print(distance[i][j]);
			}
			System.out.println();
			
			for(i=1;i<=DTW_NUM;i++){
				for(j=1;j<DTW_NUM;j++){
					output[i][j]=Min(Min(output[i-1][j-1],output[i][j-1]),output[i-1][j])+distance[i][j];
				}
			}
			//DP过程,计算DTW距离
			for(i=0;i<=DTW_NUM;i++){
				for(j=0;j<DTW_NUM;j++){
					System.out.print(output[i][j]+" ");
				}
				System.out.println("\n\n");
			}//输出最后的DTW距离矩阵,其中output[DTW_NUM][DTW_NUM-1]为最终的DTW距离和
			System.out.println("两个数组的最终DTW距离和为:"+output[DTW_NUM][DTW_NUM-1]);
			return ;
		}
	}

}


  • 2
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在日常的生活中我们最经常使用的距离毫无疑问应该是欧式距离,但是对于一些特殊情况,欧氏距离存在着其很明显的缺陷,比如说时间序列,举个比较简单的例子,序列A:1,1,1,10,2,3,序列B:1,1,1,2,10,3,如果用欧氏距离,也就是distance[i][j]=(b[j]-a[i])*(b[j]-a[i])来计算的话,总的距离和应该是128,应该说这个距离是非常大的,而实际上这个序列的图像是十分相似的,这种情况下就有人开始考虑寻找新的时间序列距离的计算方法,然后提出了DTW算法,这种方法在语音识别,机器学习方便有着很重要的作用。 这个算法是基于动态规划(DP)的思想,解决了发音长短不一的模板匹配问题,简单来说,就是通过构建一个邻接矩阵,寻找最短路径和。 还以上面的2个序列作为例子,A中的10和B中的2对应以及A中的2和B中的10对应的时候,distance[3]以及distance[4]肯定是非常大的,这就直接导致了最后距离和的膨胀,这种时候,我们需要来调整下时间序列,如果我们让A中的10和B中的10 对应 ,A中的1和B中的2对应,那么最后的距离和就将大大缩短,这种方式可以看做是一种时间扭曲,看到这里的时候,我相信应该会有人提出来,为什么不能使用A中的2与B中的2对应的问题,那样的话距离和肯定是0了啊,距离应该是最小的吧,但这种情况是不允许的,因为A中的10是发生在2的前面,而B中的2则发生在10的前面,如果对应方式交叉的话会导致时间上的混乱,不符合因果关系。 接下来,以output[6][6](所有的记录下标从1开始,开始的时候全部置0)记录A,B之间的DTW距离,简单的介绍一下具体的算法,这个算法其实就是一个简单的DP,状态转移公式是output[i] [j]=Min(Min(output[i-1][j],output[i][j-1]),output[i-1][j-1])+distance[i] [j];最后得到的output[5][5]就是我们所需要的DTW距离.

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值