动态时间规整_对动态时间规整下时间序列子序列的搜索与挖掘的理解

本文是基于阅读《Searching and Mining Trillions of Time Series Subsequences under Dynamic Time Warping》的理解。由于本人以前对相关方面接触的不是很多，对该行业相应的一些基本理念也不是很清楚，在小白的情况下阅读这篇论文还是比较吃力的，我还没有很清楚地理解这篇论文T~T，所以我就先写写我对DTW的理解啦~至于对作者提出的4个优化方案，我还没有彻底理解明白，所以先空一小块，等我完全明白了我再来更新，不会太久的！！请大家见谅啦~

论文链接：

https://www.cs.ucr.edu/~eamonn/SIGKDD_trillion.pdf​www.cs.ucr.edu

上课的时候在老师的讲解下对DTW有了一些了解：

DTW（Dynamic Time Warping）：动态时间规整/动态时间扭曲。emmmm~我百度了一下，貌似对Warping没有个定下来的概念，不过“规整”好像大多数人用的比较多。

DTW就是通过计算两个时间序列的距离，比较这两个时间序列的相似度，由日本学者Itakura提出。主要应用于语音识别，文本对比，天气预测，股票预测等方面

假设有一个长时间序列T,

,

它有个子序列

,是从第i个位置开始的长度为k的短时间序列，称为C。

指定一个序列 Q，

。令

,Q与C之间的欧氏距离ED(Q,C)

欧式距离只能是两个序列一对一映射，像图中的阴影线一样，比较像是DTW的一个特例，因为DTW允许一对多的映射。欧式距离的缺点在于当数据集出现异常值（即数据不是很规范）的时候，欧几里德距离表现不"稳定"

如果用DTW来对两个序列进行比较的话，可以构造一个n×n矩阵，

矩阵的

元素为点

与

之间的欧氏距离

翘曲路径是一组连续的矩阵元素，它们定义了qc之间的映射。翘曲路径的第t个元素定义为

,所以

从左到右，从下到上计算每个点到邻近的下一个点的最短距离

不过有受到以下几点约束:①P的起始点和结尾点必须是Q，C重合对应的起始和结束点，即最左下角和右上角的两个点；②下一步必须是相邻的单元格，即不能间隔跨度太大；③时间间隔必须相同；④通过限制偏离对角的距离在全局上限制翘曲路径

在作者提出优化之前，已知的算法优化有：

①省略平方根的计算，不会影响最终结果，减少计算量，更易于解释；

②利用计算量小的下界来删除没有可能的候选对象。 一个可用的下界为：

，时间复杂度为O(n)；

③计算ED和

过程中提前终止：在计算时，当前距离和大于最小的距离和时，即可停止该过程，没有必要把所有的距离都计算完成才得到最小距离；

④DTW过程中提前终止。虽然DTW在计算完所有长度之前是不能确定最优的，但是如果计算得到

后，在k时刻，

是全局距离的下界，当

大于当前最优值时即可停止计算；

⑤使用多核获得本质上的线性加速，就是从硬件上获得更高的配置，就像打英雄联盟一样(虽然举例有点不太恰当，我不是网瘾少女T~T)

---

目前我的理解就只能到这啦~~等我过两天再把作者的优化补上来~~见谅啦