本文介绍了FastDTW算法，一种用于加速动态时间归整(DTW)计算的方法。通过粗粒度化、投影和细粒度化三个步骤，FastDTW在降低时间复杂度至O(N)的同时，尽管可能牺牲一定的准确性，但显著提高了长序列匹配的效率。
本文地址为：http://www.cnblogs.com/kemaswill/，作者联系方式为kemaswill@163.com,转载请注明出处。
关于DTW算法的简介请见我的上一篇博客：时间序列挖掘-动态时间归整算法原理和实现。
DTW采用动态规划来计算两个时间序列之间的相似性，算法复杂度为O(N2)。当两个时间序列都比较长时，DTW算法效率比较慢，不能满足需求，为此，有许多对DTW进行加速的算法：FastDTW,SparseDTW,LB_Keogh,LB_Improved等。在这里我们介绍FastDTW。
1. 标准DTW算法
在DTW中，我们要寻找的是一个归整路径(详见时间序列挖掘-动态时间归整算法原理和实现)，如下图所示：
最终我们想要得到的是这条路径经过的所有点的坐标(i,j)对应的X和Y两个时间序列的点Xi和Yj的距离(比如欧几里得距离)之和，亦即我们需要求得代价矩阵最右上角的元素D(i,j)。而根据动态规划的思想：
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
