誰かが時系列の類似性を決定するための動的なタイムワーピングについて説明してもらえますか?


14

私は、時系列を一緒に比較するための動的なタイムワープ測定を把握しようとしています。このような3つの時系列データセットがあります。

T1 <- structure(c(0.000213652387565, 0.000535045478866, 0, 0, 0.000219346347883, 
0.000359669104424, 0.000269469145783, 0.00016051364366, 0.000181950509461, 
0.000385579332948, 0.00078170803205, 0.000747244535774, 0, 0.000622858922454, 
0.000689084895259, 0.000487983408564, 0.000224744353298, 0.000416449765747, 
0.000308388157895, 0.000198906016907, 0.000179549331179, 9.06289650172e-05, 
0.000253506844685, 0.000582896161212, 0.000386473429952, 0.000179839942451, 
0, 0.000275608635737, 0.000622665006227, 0.00036075036075, 0.00029057097196, 
0.000353232073472, 0.000394710874285, 0.000207555002076, 0.000402738622634, 
0, 0.000309693403531, 0.000506521463847, 0.000226988991034, 0.000414164423276, 
9.6590360282e-05, 0.000476689865573, 0.000377572210685, 0.000378967314069, 
9.25240562546e-05, 0.000172309813044, 0.000447627573859, 0, 0.000589333071408, 
0.000191699415317, 0.000362943471554, 0.000287549122975, 0.000311688311688, 
0.000724112961622, 0.000434656621269, 0.00122292103424, 0.00177549812586, 
0.00308008213552, 0.00164338537387, 0.00176056338028, 0.00180072028812, 
0.00258939580764, 0.00217548948513, 0.00493015612161, 0.00336344416683, 
0.00422716412424, 0.00313360554553, 0.00540144648906, 0.00425728829246, 
0.0046828437633, 0.00397219463754, 0.00501656412683, 0.00492700729927, 
0.00224424911165, 0.000634696755994, 0.00120550276557, 0.00125313283208, 
0.00164551010813, 0.00143575017947, 0.00237006940918, 0.00236686390533, 
0.00420336269015, 0.00329840900272, 0.00242005185825, 0.00326554846371, 
0.006217237596, 0.0037103784586, 0.0038714672861, 0.00455830066551, 
0.00361747518783, 0.00304147465438, 0.00476801760499, 0.00569875504121, 
0.00583855136233, 0.0050566695728, 0.0042220072126, 0.00408237321963, 
0.00255222610833, 0.00123507616303, 0.00178136133508, 0.00147434637311, 
0.00126742712294, 0.00186590371937, 0.00177226406735, 0.00249154653853, 
0.00549127279859, 0.00349072202829, 0.00348027842227, 0.00229555236729, 
0.00336862367661, 0.00383477593952, 0.00273999412858, 0.00349618180145, 
0.00376108175875, 0.00383351588171, 0.00368928059028, 0.00480028982882, 
0.00388823582602, 0.00745054380406, 0.0103754506287, 0.00822677278011, 
0.00778350981989, 0.0041831792162, 0.00537228238059, 0.00723645609231, 
0.0144428396845, 0.00893333333333, 0.0106231171714, 0.0158367059652, 
0.01811729548, 0.0207095263821, 0.0211700064641, 0.017604180993, 
0.0165804327375, 0.0188679245283, 0.0191859923629, 0.0269251008595, 
0.0351239669421, 0.0283510318573, 0.0346557651212, 0.0270022042616, 
0.0260845175767, 0.0349758630112, 0.0207069247809, 0.0106362024818, 
0.00981093510475, 0.00916507201128, 0.00887198986058, 0.0073929115025, 
0.00659077291791, 0.00716191546131, 0.00942304513143, 0.0106886280007, 
0.0123527175979, 0.0171022290546, 0.0142909490656, 0.0157642220699, 
0.0265140538974, 0.0194395354708, 0.0241685144124, 0.0229897123662, 
0.017921889568, 0.0155115839714, 0.0145263157895, 0.017609281127, 
0.0157671315949, 0.0190258751903, 0.0138453217956, 0.00958058335108, 
0.0122924304507, 0.00929741151611, 0.00885235535884, 0.00509319462505, 
0.0061314863177, 0.0063104189044, 0.00729117134253, 0.010843373494, 
0.0217755443886, 0.0181687353841, 0.0155402963498, 0.017310022503, 
0.0214746959003, 0.026357827476, 0.0194751217195, 0.0196820590462, 
0.0184317400812, 0.0130208333333, 0.0128666035951, 0.0120045731707, 
0.0122374253228, 0.00874940561103, 0.0114368092263, 0.00922893718369, 
0.00479041916168, 0.00644107774653, 0.00775830595108, 0.00829578041786, 
0.00681348095875, 0.00573782551125, 0.00772002058672, 0.0112488083889, 
0.00908907291456, 0.0157722638969, 0.00994270306707, 0.0134179772039, 
0.0126050420168, 0.0113648781554, 0.0153894803415, 0.0126959699913, 
0.0116655865198, 0.0112065745237, 0.0122006737686, 0.010251878038, 
0.010891174691, 0.0148273273273, 0.0138516532618, 0.0136552722011, 
0.00986993819758, 0.0097852677358, 0.00889011089726, 0.00816723383568, 
0.00917641660931, 0.00884466556108, 0.0182179529646, 0.0183156760639, 
0.0217806648835, 0.0171099125907, 0.0186579938377, 0.019360390076, 
0.0144603654529, 0.0177730696798, 0.0153226598566, 0.0134016909516, 
0.0126480805202, 0.0115501519757, 0.0127156322248, 0.0124326204138, 
0.0240245215806, 0.0130234933606, 0.0144222706691, 0.00854005693371, 
0.0053560967445, 0.00504132231405, 0.00288778877888, 0.00593526847816, 
0.00455653279644, 0.00433014040152, 0.00535770564135, 0.0131095962244, 
0.0126319758673, 0.0154982879798, 0.0125940464508, 0.0169948745616, 
0.0257535512184, 0.0256175663312, 0.0265191262043, 0.0228974403622, 
0.0193122555411, 0.0165794768612, 0.015658837248, 0.0168208578638, 
0.0129912843282, 0.0119498443154, 0.0112663755459, 0.00838112042347, 
0.00925767186696, 0.0113408269771, 0.0210861519924, 0.0156036134684, 
0.0121687119728, 0.011006497812, 0.0107891491985, 0.0134615384615, 
0.0147229755909, 0.015756893641, 0.0176257128046, 0.016776075857, 
0.0169553999263, 0.0179193118984, 0.0190055672874, 0.0183088625509, 
0.0155489923558, 0.0152507401094, 0.0160748342567, 0.0161532350605, 
0.0139190952588, 0.0161469457497, 0.0118186629035, 0.0109259765092, 
0.00950587391265, 0.00928986154533, 0.00815520645549, 0.00702576112412, 
0.00709539362541, 0.00827287768869, 0.0104688211197, 0.0130375888927, 
0.0160891089109, 0.0188415910677, 0.0203265044814, 0.0183175033921, 
0.0139940353292, 0.0124648170487, 0.0131685758095, 0.00957428620277, 
0.0119647893342, 0.00835800104475, 0.0101892285298, 0.00904207699194, 
0.00772134522992, 0.00740740740741, 0.00776823249863, 0.00642254601227, 
0.00484237572883, 0.00361539964823, 0.00414811817078, 0.00358072916667, 
0.00433306007729, 0.00485008818342, 0.00905280804694, 0.00931847250137, 
0.00779271381259, 0.00779912497622, 0.00908230842006, 0.0058152538582, 
0.0102777777778, 0.00807537012113, 0.00648535564854, 0.0145492582731, 
0.00694127317563, 0.00759878419453, 0.00789242911429, 0.00635050701629, 
0.00785233530492, 0.00607964332759, 0.00531968282646, 0.00361944157187, 
0.00305157155935, 0.00276327909119, 0.00318820364651, 0.00184464029514, 
0.00412550211703, 0.00516567972786, 0.00463655399342, 0.00702897308418, 
0.0100714154917, 0.00791168353266, 0.00959190791768, 0.00736, 
0.00738007380074, 0.012573964497, 0.0117919562013, 0.00842919476398, 
0.00778887565289, 0.00623967700496, 0.0062232955601, 0.00447815755803, 
0.00511135450894, 0.00502557659517, 0.00330328263712), .Tsp = c(1, 
15.9583333333333, 24), class = "ts")

T2 <- structure(c(0, 0, 0, 0, 0.000109673173942, 0, 0, 0, 0, 0, 0, 
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 9.66183574879e-05, 0, 
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 9.43930526713e-05, 
0, 0, 0, 8.95255147717e-05, 0, 0, 0, 0, 0.000191699415317, 0.000207792207792, 
0, 0, 0, 0.00019727756954, 0.000205338809035, 0.000205423171734, 
0.000704225352113, 0.000450180072029, 0.000493218249075, 0.000120860526952, 
0.000410846343468, 0.000384393619066, 0.000643264105863, 0.000189915487608, 
0.000915499404925, 0.000185099490976, 0.000936568752661, 0.000451385754266, 
0.000757217226692, 0.000273722627737, 0.000187020759304, 0.000211565585331, 
0.000141823854772, 9.63948332369e-05, 0.000117536436295, 0.000287150035894, 
0, 0, 0.000400320256205, 0.000388048117967, 0.000345721694036, 
0.000296868042155, 0.000609533097647, 0.000424043252412, 0.000290360046458, 
0.000546996079861, 0.000556534644282, 0.00036866359447, 0.000275077938749, 
0.000964404699281, 0.00152310035539, 0.00113339145597, 0.00061570938517, 
0.000362877619523, 0.000472634464505, 0.000102923013586, 0.000187511719482, 
0.000294869274622, 0.00011522064754, 0.000248787162582, 0, 0.00035593521979, 
0.000392233771328, 0.000551166636046, 0.000165727543918, 0.000143472022956, 
0.00012030798845, 0.000438260107374, 0.000195713866327, 0.000184009568498, 
0.000537297394108, 0.000365096750639, 0.000102480016397, 0.000452857531021, 
0.000180848177955, 0.000770745910765, 0.00219818869252, 0.000357685773048, 
0.000362023712553, 0.000660501981506, 0.000419709560984, 0.000488949735967, 
0.00177758026886, 4e-04, 0.000475661962898, 0.000879816998064, 
0.0014942099365, 0.00378173960022, 0.00274725274725, 0.00192545729611, 
0.0016462841016, 0.00176238855484, 0.00260780478718, 0.00447289949132, 
0.0034435261708, 0.00290522941294, 0.002694416055, 0.0041329904482, 
0.00729244577412, 0.0296930503689, 0.00982375036117, 0.00453023439039, 
0.00327031170158, 0.00221573169503, 0.00211237853823, 0.00108719286801, 
0.00131815458358, 0.000983008004494, 0.00132253265002, 0.00227790432802, 
0.00247054351957, 0.00307455803228, 0.0029314767314, 0.00222755311857, 
0.00492610837438, 0.00454430699318, 0.00753880266075, 0.00671845475541, 
0.00590490003108, 0.00288356368698, 0.00294736842105, 0.00248601615911, 
0.00197089144936, 0.00326157860404, 0.00302866414278, 0.00202256759634, 
0.00258788009489, 0.00169043845747, 0.00137000737696, 0.000433463372345, 
0.000908368343363, 0.000805585392052, 0.00142653352354, 0.00189328743546, 
0.00558347292016, 0.00161899622234, 0.00162631008312, 0.00276960360048, 
0.00585673524553, 0.00519169329073, 0.0045125282033, 0.00562344544176, 
0.00322815786733, 0.00330528846154, 0.00255439924314, 0.00285823170732, 
0.00240894199268, 0.00218735140276, 0.00201826045171, 0.00168701002282, 
0.000460617227084, 0.00127007166833, 0.00109529025192, 0.000819336337567, 
0.00158170093685, 0.000588494924231, 0.00120089209127, 0.00305052430887, 
0.00161583518481, 0.00211579149837, 0.0010111223458, 0.00346270379455, 
0.00228091236495, 0.00207627581685, 0.00295140718878, 0.0022121765894, 
0.00240718451995, 0.00224131490474, 0.0031867431485, 0.00176756517897, 
0.00233382314807, 0.00178303303303, 0.00169794459339, 0.00162778079219, 
0.000737939304492, 0.00135906496331, 0.000733205022454, 0.000875060768109, 
0.00114705207616, 0.000967385295744, 0.00182179529646, 0.00359130903214, 
0.00420328620558, 0.00446345545843, 0.00376583361862, 0.00659687365553, 
0.00433810963586, 0.00353107344633, 0.00333955407131, 0.00341788091383, 
0.0024939877082, 0.00538428137212, 0.00906989151698, 0.00773778473309, 
0.0210421671775, 0.00859720803541, 0.00511487506289, 0.00406669377796, 
0.00117164616286, 0.00206611570248, 0.00107260726073, 0.00148381711954, 
0.000741761152909, 0.00104973100643, 0.00110305704381, 0.00209753539591, 
0.00452488687783, 0.00486574157506, 0.00850507033039, 0.0101159967629, 
0.0163991223005, 0.0150452373691, 0.0156443766097, 0.0112310639039, 
0.00635593220339, 0.00627766599598, 0.00583041812427, 0.00622371740959, 
0.00624897220852, 0.00420769166036, 0.00305676855895, 0.00291133656815, 
0.00120006857535, 0.00501806503412, 0.00490575781048, 0.00593119810202, 
0.00226874291018, 0.00304999336958, 0.00339087546239, 0.00541958041958, 
0.00445563734986, 0.00431438754455, 0.0038016243304, 0.0037928519329, 
0.00491460867428, 0.00460782305959, 0.00508734881935, 0.00300725278613, 
0.00390896455872, 0.00367811967345, 0.00953591862683, 0.00529614264278, 
0.00243584167029, 0.00427167876976, 0.00291056623743, 0.00227624510607, 
0.00439422473321, 0.00232246538633, 0.00317623830372, 0.00263466042155, 
0.00180200473026, 0.00190912562047, 0.0034896070399, 0.00338638672536, 
0.00548090523338, 0.00697836706211, 0.00720230473752, 0.00746268656716, 
0.00367056664373, 0.0032167269803, 0.00523135203391, 0.00299196443837, 
0.00299119733356, 0.00287306285913, 0.00154657933042, 0.00214861235452, 
0.00163006177076, 0.00157407407407, 0.00137086455858, 0.00124616564417, 
0.000790591955727, 0.00107484854407, 0.00121408336706, 0.00108506944444, 
0.00105398758637, 0.000881834215168, 0.00184409052808, 0.00237529691211, 
0.0013637249172, 0.00190222560396, 0.00264900662252, 0.00156564526951, 
0.00263888888889, 0.00183531139117, 0.00303347280335, 0.0120768352986, 
0.00365330167139, 0.00351443768997, 0.00263080970476, 0.0029703984431, 
0.00265143789517, 0.0014185834431, 0.00150557061126, 0.00144777662875, 
0.00111890957176, 0.000716405690308, 0.000797050911627, 0.000512400081984, 
0.000868526761481, 0.00113392969636, 0.00134609632067, 0.00240013715069, 
0.00128181651712, 0.00110395584177, 0.00156958493198, 0.00208, 
0.00184501845018, 0.00110946745562, 0.000736997262582, 0.00208250694169, 
0.00229084578026, 0.00137639933933, 0.00111462010032, 0.000822518735149, 
0.00200803212851, 0.000987166831194, 0.00041291032964), .Tsp = c(1, 
15.9583333333333, 24), class = "ts")

T3 <- structure(c(0.00192287148809, 0.00149812734082, 0.00192410475681, 
0.00151122625216, 0.00120640491336, 0.00167845582065, 0.00121261115602, 
0.000802568218299, 0.00109170305677, 0.00250626566416, 0.00273597811218, 
0.00242854474127, 0.00160915430002, 0.00124571784491, 0.00192943770673, 
0.00329388800781, 0.00191032700303, 0.00156168662155, 0.00174753289474, 
0.0014917951268, 0.00143639464943, 0.000543773790103, 0.000929525097178, 
0.00141560496294, 0.000966183574879, 0.000719359769805, 0.00190740419629, 
0.00137804317869, 0.00197177251972, 0.001443001443, 0.00203399680372, 
0.00158954433063, 0.00256562068285, 0.00228310502283, 0.00302053966975, 
0.00227352221056, 0.00263239393001, 0.00202608585539, 0.00272386789241, 
0.00269206875129, 0.0027045300879, 0.00276480122033, 0.00405890126487, 
0.00341070582662, 0.00351591413768, 0.00336004135436, 0.00358102059087, 
0.00257289879931, 0.00235733228563, 0.00239624269146, 0.00136103801833, 
0.000862647368926, 0.00145454545455, 0.00168959691045, 0.00246305418719, 
0.0020964360587, 0.00335371868219, 0.00390143737166, 0.00349219391947, 
0.00334507042254, 0.00255102040816, 0.00332922318126, 0.00386753686246, 
0.00246507806081, 0.00432442821449, 0.00312442565705, 0.00408318298357, 
0.00375354756019, 0.00416473854697, 0.00263942103023, 0.0028888688273, 
0.00321817321344, 0.00310218978102, 0.002150738732, 0.00296191819464, 
0.00134732662034, 0.00221708116445, 0.00152797367184, 0.00157932519742, 
0.00220077873709, 0.00207100591716, 0.00260208166533, 0.00310438494373, 
0.00311149524633, 0.00385928454802, 0.00292575886871, 0.00222622707516, 
0.00329074719319, 0.00282614641262, 0.00287542899545, 0.00221198156682, 
0.00311754997249, 0.00315623356128, 0.00287696733796, 0.00296425457716, 
0.00263875450787, 0.00208654631226, 0.00179601096512, 0.00164676821737, 
0.00206262891431, 0.00235895419697, 0.00241963359834, 0.0028610523697, 
0.00516910352976, 0.00160170848905, 0.00254951951363, 0.00275583318023, 
0.00298309579052, 0.00286944045911, 0.00288739172281, 0.00394434096636, 
0.00254428026226, 0.00285214831171, 0.0034924330617, 0.00246440306681, 
0.00266448042632, 0.00389457476678, 0.00253187449136, 0.00171276869059, 
0.00184647850171, 0.00134132164893, 0.00153860077835, 0.000990752972259, 
0.00117518677075, 0.00312927831019, 0.00188867903566, 0.0024, 
0.00269541778976, 0.00263945099419, 0.00242809114681, 0.00378173960022, 
0.00274725274725, 0.00165039196809, 0.00211665098777, 0.00290275761974, 
0.00149017416411, 0.00105244693913, 0.00309917355372, 0.00240432779002, 
0.00297314875035, 0.0015613519471, 0.00196335078534, 0.00227707441479, 
0.00279302706347, 0.00295450068938, 0.00316811446091, 0.00211501661799, 
0.00168990283059, 0.00195694716243, 0.00131815458358, 0.00112343771942, 
0.00214911555629, 0.00157701068863, 0.00171037628278, 0.00230591852421, 
0.00183217295713, 0.00102810143934, 0.00130396986381, 0.00151476899773, 
0.00188470066519, 0.00220449296662, 0.00238267895991, 0.00238639753406, 
0.00147368421053, 0.00113942407292, 0.0018192844148, 0.00152207001522, 
0.00151433207139, 0.00117096018735, 0.000862626698296, 0.00095087163233, 
0.00137000737696, 0.00119202427395, 0.00170319064381, 0.000805585392052, 
0.0012680297987, 0.00189328743546, 0.00186115764005, 0.000719553876597, 
0.000903505601735, 0.000865501125151, 0.00210241778045, 0.00146432374867, 
0.00130625816411, 0.0011895749973, 0.00135374362178, 0.00120192307692, 
0.00160832544939, 0.0015243902439, 0.00240894199268, 0.00218735140276, 
0.00230658337338, 0.00188548179022, 0.0016582220175, 0.00263086274154, 
0.00155166119022, 0.00204834084392, 0.00194670884536, 0.00308959835221, 
0.00154400411734, 0.00152526215443, 0.00343364976772, 0.00269282554337, 
0.00235928547354, 0.00230846919636, 0.00300120048019, 0.00327833023713, 
0.00347844418678, 0.00259690295277, 0.00157392833997, 0.00345536047815, 
0.00336884275699, 0.0023862129916, 0.00216094735932, 0.00478603603604, 
0.00330652368186, 0.00551636824019, 0.00313624204409, 0.00253692126484, 
0.00201631381175, 0.00243072435586, 0.00229410415233, 0.00386954118297, 
0.00298111957602, 0.00305261267732, 0.0038211692778, 0.00334759159383, 
0.00479287915098, 0.0045891294995, 0.00525831471014, 0.00800376647834, 
0.0076613299283, 0.00638604065479, 0.00587868531219, 0.00633955709944, 
0.00453494575849, 0.00617283950617, 0.00314804075884, 0.00425604358189, 
0.00536642629549, 0.00422936152908, 0.00234329232572, 0.00454545454545, 
0.00305280528053, 0.00389501993879, 0.0040267034015, 0.00275554389188, 
0.00409706901986, 0.00506904387345, 0.0065987933635, 0.00594701748063, 
0.00343473994112, 0.00579983814405, 0.00750664048966, 0.00365965233303, 
0.00467423447486, 0.00348250043531, 0.00464471968709, 0.00603621730382, 
0.00358154256205, 0.00445752733389, 0.00501562243052, 0.0035344609947, 
0.00410480349345, 0.00467578297309, 0.00265729470255, 0.00210758731433, 
0.00223771408899, 0.00218998083767, 0.00309374033206, 0.00291738496221, 
0.00184956843403, 0.00297202797203, 0.00329329717164, 0.00318889514162, 
0.00397442543632, 0.00481400437637, 0.002580169554, 0.00440303092361, 
0.00335956997504, 0.00318415000884, 0.00269284225156, 0.00242217637032, 
0.00381436745073, 0.00238326418925, 0.0037407568508, 0.00290474156343, 
0.00335156112189, 0.00227624510607, 0.00376647834275, 0.00223313979455, 
0.00197441840501, 0.00214676034348, 0.00225250591283, 0.00140002545501, 
0.0034896070399, 0.00220115137149, 0.002828854314, 0.00418702023726, 
0.00176056338028, 0.00393487109905, 0.00217939894471, 0.00331724969843, 
0.00234508884279, 0.00282099504189, 0.00239295786685, 0.00269893783737, 
0.00263828238719, 0.00250671441361, 0.00231640356898, 0.00231481481481, 
0.00127947358801, 0.0017254601227, 0.00207530388378, 0.00185655657612, 
0.00131525698098, 0.00227864583333, 0.0018737557091, 0.00220458553792, 
0.00184409052808, 0.00109629088251, 0.00253263198909, 0.00228267072475, 
0.00170293282876, 0.00134198165958, 0.000833333333333, 0.00269179004038, 
0.00198744769874, 0.00209205020921, 0.00146132066855, 0.00113981762918, 
0.00185131053298, 0.00194612311789, 0.00203956761167, 0.00111460127673, 
0.00170631335943, 0.00186142709411, 0.00183094293561, 0.00194452973084, 
0.0014944704593, 0.00153720024595, 0.00184561936815, 0.00151190626181, 
0.000897397547113, 0.00222869878279, 0.00201428309833, 0.00202391904324, 
0.00244157656087, 0.00256, 0.00184501845018, 0.00160256410256, 
0.00115813855549, 0.0016858389528, 0.001741042793, 0.0026610387227, 
0.00167193015047, 0.00201060135259, 0.00219058050383, 0.00233330341919, 
0.000963457435827), .Tsp = c(1, 15.9583333333333, 24), class = "ts")

T1とT2は相関関係にあることを知っており、それらをグラウンドトゥルースと見なすため、距離メトリックは(T1、T2)が(T2、T3)および(T1、T3)よりも近いことを教えてくれるはずです。ただし、dtwRで使用すると、次のようになります。

> dtw(T1, T2, k = TRUE)$distance; dtw(T1, T3, k = TRUE)$distance; dtw(T3, T2, k = TRUE)$distance
[1] 1.107791
[1] 1.568011
[1] 0.4102962

誰かが最も近いクエリに動的タイムワーピングを使用する方法を説明できますか?


1
このコンテキストでの「最近接クエリ」の意味と、dtwとの関係を説明してください。
whuber

@whuber:DTWの印象は、時系列の距離メトリックであるということでした。そして、それを示すこの論文があります:Faster Retrieval with a Two-Pass Dynamic-Time-Warping Lower Boundダニエル・レミアらによって。code.google.com/p/lbimprovedで提供されているコードを使用しますが、使用する前にこのメトリックを理解しようとしています。
伝説

回答:


22

動的なタイムワーピングは、データセットに対して特定の仮定を行います。1つのベクトルは、他のベクトルの非線形の時間制御されたシリーズです。しかし、実際の値は同じスケールであると仮定しています。

バツ=1..10000aバツ=10.01バツbバツ=10.01234バツcバツ=10000.01バツ

abacacab

DTWは、時系列マッチングのすべてのニーズを解決する魔法の武器ではありません。それはあなたが興味を持つ類似性の種類に特定の仮定をします。それがデータと一致しない場合、うまく機能しません。共有したデータ系列から判断すると、時間的アライメント(DTWが必要)は必要ありませんが、実際にはいくつかの適切な正規化と、場合によってはフーリエ変換が必要になります。Treshholdの交差距離もあなたにとってうまくいくかもしれません、例えば:

  • しきい値クエリに基づく時系列の類似性検索
    JohannesAßfalg、Hans-Peter Kriegel、PeerKröger、Peter Kunath、Alexey PryakhinおよびMatthias Renz、EDBT 2006

+1ご提案ありがとうございます。フーリエ変換に関するいくつかの研究についても教えていただけますか?そして最後に、私は疑問に思っていました-私が試すことができる実用的な実装はありますか?つまり、実際にこれを実装しているデータベースもあります。
伝説

1
これについてさらに調べてみると、KeoghらのSAXシンボリック表現の作品に出会いました。大学のアル リバーサイドの。それについて何かコメントがありますか?
伝説

友人がモーション時系列(モーション分類)についてSAXを実験しました。彼にとってはうまくいきませんでした。それが私がそれを提案しなかった理由です。Keoghはおかしなような論文を作成しますが、私見ではあまり説得力がありません。彼は、時系列で少なくとも10の距離関数を提案しているに違いありません。もちろん、それらはすべて互いに優れています。
QUITがあります-Anony-Mousse

2
@Anony私は「Keoghはクレイジーな論文を作成しますが、私見をあまり説得していません。彼は、時系列に対して少なくとも10の距離関数を提案したに違いありません。もちろん、それらはすべて互いに優れています。時系列の2つの距離関数を強く推奨します1)ユークリッド距離(ED):2000年2)DTW:50年これらの2つの尺度は私の論文の90%で使用されており、提案も発明もしていません。EDとDTWの両方に小さな変更を提案しました。あなたは「彼らは私見をあまり説得していない」と言う。...

2
世界中のすべての公開データセットで再現可能な実験を行い、すべてのコードを公開しています。ここの人々は私のアイデアの1つを使用するのに苦労しているかもしれませんが、2,000人以上の人々が私のアイデアの1つを使用して成功しています(Googleをヒット)。

4

1980年代には、ダイナミックタイムワーピングが音声認識のテンプレートマッチングに使用されていました。目的は、分析された音声の時系列を、通常は単語全体の保存されているテンプレートに一致させることでした。難しさは、人々が異なる速度で話すことです。DTWを使用して、未知のパターンをテンプレートに登録しました。「ゴムシート」マッチングと呼ばれていました。基本的に、時系列を局所的に引き伸ばしてグローバルな適合性を最適化する方法の制約された可能性を検索します。このアプローチは、隠れマルコフモデルとほぼ同じであることが示されました。


4

まず、「動的タイムワーピングメトリック」と言いますが、DTWは距離の尺度ですが、メトリックではありません(三角不等式には従いません)。

論文[a]は、43のデータセットでDTWを12の代替案と比較していますが、DTWはほとんどの問題に対して非常にうまく機能します。

DTWの詳細については、Keoghsチュートリアル http://www.cs.ucr.edu/~eamonn/Keogh_Time_Series_CDrom.zip(警告500メガ)をご覧ください。

パスはペギーです。

SAXに関するチュートリアルhttp://www.cs.ucr.edu/~eamonn/SIGKDD_2007.pptもあり ます

[a] Wang Xiaoyue、Hui Ding、Goce Trajcevski、Peter Scheuermann、Eamonn J. Keogh:時系列データの表現方法と距離測定の実験的比較CoRR abs / 1012.2789:(2010)


+1ご回答ありがとうございます。質問を修正しました。今では、あなたが時系列の先駆者であることを理解しています。私のコメントのいずれかに入れた私の特定のケースについていくつかの提案があれば素晴らしいでしょう:私が持っている時系列データは内部のtwitterのようなネットワークのものであり、シリーズ自体は特定ので生成されたメッセージの数を表しますトピック。与えられたものと同様のタイムラインを持つ他のトピックを見つけたいです。お時間をいただきありがとうございます。
伝説
弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.