在论文Deep Multi-view Spatial-Temporal Network for Taxi Demand Prediction所提出的模型框架的Semantic View模块中,利用Dynamic Time Warping(DTW) 方法来计算其节点node(或位置)的相似性。
现将其整理如下:
在相似度计算方法中,我们常用的方法有余弦相似度、欧式距离相似度等。对于不同长度的时间序列,传统的相似度计算方法不能有效的求出其相似度。
基于上述存在的问题,采用DTW方法来计算不同时间序列长度的相似度计算。论文中没有给出具体的计算方法。
具体的后续再更
参考链接:
https://www.cnblogs.com/tornadomeet/archive/2012/03/23/2413363.html