昵称 | 追光者
研究 | 机器学习与时间序列
出品 | AI蜗牛车
1.DTW
1.1 时序相似度
在时间序列数据中，一个常见的任务是比较两个序列的相似度，作为分类或聚类任务的基础。那么，时间序列的相似度应该如何计算呢？
“ 经典的时间序列相似性度量方法总体被分为两 类: 锁步度量(lock-step measures) 和弹性度量(elastic measures) . 锁步度量是时间序列进行 “一对一”的比 较; 弹性度量允许时间序列进行 “一对多”的比较.
——《时间序列数据挖掘的相似性度量综述》
”
最简单的相似度计算方法可能是计算两个时间序列的欧氏距离。欧氏距离属于锁步度量
假设有两个时间序列，Q和C，如果直接用欧氏距离计算相似度的话，如果存在时间步不对齐，序列长短不一等问题...
如上图1所示，如果序列长短不一，或时间步不对齐的时候，欧氏距离是无法有效计算两个时间序列的距离，特别是在峰值的时候。
图2则是DTW算法，首先将其中一个序列进行线性放缩进行某种“扭曲”操作，以达到更好的对齐效果，可以存在一对多mapping的情况，适用于复杂时间序列，属于弹性度量
1.2 DTW算法
动态时间规整在60年代由日本学者Itakura提出，用于衡量两个长度不同的时间序列的相似度。把未知量伸长或缩短(压扩)，直到与参考模板的长度一致，在这一过程中，未知序列会产生扭曲或弯折，以便其特征量与标准模式对应
首先假设有两条序列Q和C，他们的长度分别是n和m
用一个
约束条件
1）边界条件：
2）连续性： 如果
3）单调性： 如果
满足以上约束条件的warping路径有很多，所以问题的本质是最优化问题——找出最优warping路径，数学语言表示为：
解法思路是通过动态规划算法，数学语言描述为：
时间复杂度
单调性与连续性约束直观上表示为如下三种可能
1.3 优化方法
1.3.1 使用平方距离
原始DTW计算距离使用的是平方根计算，但是在排序任务中，平方或平方根不会对结果有影响，但是平方根计算资源消耗大，所以可以改为平方距离
1.3.2 Lower Bounding
顾名思义，这个优化方法的主要思想是先通过计算LB（lower bounding）处理掉不可能是最有匹配序列的序列，计算LB的主要有LB_Kim 和 LB_keogh等方法，这里只介绍一下LB_keogh，感兴趣可自行查阅资料。
首先上公式
如上图所示，首先找到找到序列的上包络线U和下包络线L，计算候选序列超出上下包络线区域的部分之和作为下界。
1.3.3 Early Abandoning
从 K=0 开始逐步计算DTW并且和K后面的LB_keogh部分累加，判断距离是否大于目前最好的匹配序列，在这个过程中，一旦发现大于当前最好匹配得距离，则放弃该序列停止DTW
1.3.4 Reordering Early Abandoning
如下图所示，如果要早停的话，从序列的起点按顺序计算不一定可以得到最优的结果。所以可以对序列进行排序先。首先对序列进行z归一化，
除了以上优化方法，还有计算卷LB_Keogh时转换Query/Data，级联下界（Cascading Lower Bounds）等优化方法。
1.4 总结
优点：
1.支持非等长序列
2.支持有断点序列
缺点：
1.不是一个严格的距离度量，因为它不符合三角形不等式，在一个度量空间中，距离必须符合三角形不等式。
2.对噪音敏感，所以需要对DTW的算法进行优化，不然时间复杂度很高
参考
- 《Searching and Mining Trillions of Time Series Subsequences under Dynamic Time Warping 》——Thanawin Rakthanmanon, Bilson Campana, Abdullah Mueen, Gustavo Batista2 , Brandon Westover1 , Qiang Zhu, Jesin Zakaria, Eamonn Keogh
- 《时间序列数据挖掘的相似性度量综述》 ——陈海燕， 刘晨晖，孙 博
- 《时间序列数据挖掘中的动态时间弯曲研究综述》——李海林，梁叶，王少春
504
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
