回答:
私が理解している限り、不規則な時系列とは、不規則な間隔の時系列を意味し、不規則にサンプリングされた時系列とも呼ばれます。私は時系列全般に興味があるので、あなたの（そして今は私の）興味のあるトピックについて簡単な調査を行いました。結果は次のとおりです。
時系列分析、クラスタリング、および分類におけるダイナミックタイムワーピング（DTW）アプローチの人気が高いにもかかわらず、不規則な時系列は、DTWをそのようなデータタイプに直接適用するのにいくつかの課題を提示します（たとえば、このペーパーとこのペーパーを参照してください）。私の比較的短い研究努力に基づいて、DTWを直接適用することが不可能であるかどうかは、いくつかの研究が示唆しているように、完全に明確ではありません（この論文/章も参照）。さらに包括的にするために、不規則な時系列に関するトピックの論文に関連する優れたIMHOについても触れておきます。
それにもかかわらず、このトピックは主に次の2つの研究ストリームでカバーされているようです。
最後に、DTWに焦点を合わせ、不規則な時系列に対して上記のアルゴリズムのいくつかをサポートする、研究またはシステムの実装に利用できるオープンソースソフトウェアの主題に触れたいと思います。このようなソフトウェアには、Python / NumPyベースのcDTWモジュールプロジェクトと、GPUに重点を置いたCUDAベースのCUDA-DTWプロジェクトが含まれます。以下のために愛好家、包括的なダイナミックタイムワーププロジェクトはまた、（言及されるべき対応するパッケージを R dtwCRANで利用可能です）。現時点では不規則な時系列の多くのDTWアルゴリズムをサポートしていない可能性がありますが（cDTWをサポートしていると思いますが）、このプロジェクトがそのようなタイプに焦点を合わせたDTWアルゴリズムのより包括的なサポートを提供するまでは、時間の問題だと思いますデータの。私がトピックを研究してこの投稿を書くのを楽しんだのと同じくらい、あなたが私の答えを読んで楽しんだことを願っています。
動的署名検証に適用されるように、DTWを「C」に正常に実装しました。私は中国語とオランダ語の署名のテストデータベースを使用してEERを検証し、非常に印象的な結果を得ました。現在、iPadのデモとして実装されています。私のアルゴリズムは、いくつかの公開された説明から手動でコーディングされました。コードを入手する方法がある場合は、コードを共有します。成功の一因となったのは、入力データの「正規化」でした。これにより、さまざまなサンプルレートを使用して異種データを比較することが非常に簡単になりました。
私はDTWを始めたばかりで、下記のパッケージを個人的に使用したことはありませんが、以下が役立つことを願っています。
特にCran.Rプロジェクト：• "ts"は、数値のタイムスタンプを使用して定期的に間隔が置かれた時系列の基本クラスです。•「zoo」パッケージは、タイムスタンプに任意のクラスを使用して、定期的かつ不規則に間隔を置いた時系列のインフラストラクチャを提供します。「ts」と可能な限り一貫するように設計されています。•zoo：定期的および不定期時系列のS3インフラストラクチャ（Zの順序付き観測）
参照：http : //cran.r-project.org/web/views/TimeSeries.html、および http://cran.r-project.org/web/packages/zoo/index.html
ご多幸を祈る。