在线签名鉴别：DTW with independent warping and DTW with dependent warping

 

目录

1.DTW

2.

3.

---

 

1.DTW

我们可以使用独立和相关规整来计算 K 维多元时间序列的 DTW 。对于每个时间序列，计算具有独立 规整() 的 DTW，假设每个 DTW 是 欧几里得空间中具有一维 (1D) 轨迹的距离度量。具有相关规整() 的 DTW 直接导出为对应于时间序列集的单个 DTW，假设所考虑的 K 维时间序列为 K 维欧几里得空间中的一维轨迹。最近的在线签名验证研究表明 和 具有不同/互补的区分能力。详细描述DTW参考http://t.csdnimg.cn/DaT8H。

假设A和B是两个不同长度的K维多元时间序列I和J，它们的定义如下：

其中 a(i) = {ak (i)} 且 b(j) = {bk (j)}。然后，和 可以计算如下。

 

2.

首先，使用两个时间点之间的成本函数 d(·,·) 开发 I ×J 成本矩阵，定义如下：

(1）

然后，基于成本矩阵导出扭曲路径 W = {wz}，其中 max(I , J ) ≤ Z ≤ (I + J − 1)，满足所规定的边界、连续性和单调性条件。

最后，第k维可以定义如下：

(2)

其中 d() = 对应于扭曲路径中位置 z 处的 i 和 j，通过递归计算累积距离如下：

(3)

 

3.

与 类似，可以通过相关扭曲计算来定义，以获得来自时间序列集合的单个距离，如下所示：

（4）

其中方程中(1)的 d(·,·) 替换为

(5)

因此，DTW可以找到最佳对齐方式，并尝试最小化不同长度的时间序列之间的距离；因此，它被广泛应用于在线签名验证。