目录
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。