中文

Amercing:一种直观、优雅且有效的动态时间规整约束

机器学习 2021-11-29 v1

摘要

动态时间规整(DTW)及其约束变体(CDTW)和加权变体(WDTW)是具有广泛应用的时间序列距离度量。它们最小化序列间非线性对齐的代价。引入CDTW和WDTW是因为DTW在对齐上过于宽松。然而,CDTW使用粗略的阶跃函数,在窗口内允许无约束的灵活性,而在窗口外则毫无灵活性。WDTW的乘法权重相对于沿扭曲路径对齐点之间的距离,而非所引入扭曲量的直接函数。在本文中,我们引入Amerced动态时间规整(ADTW),这是一种新的、直观的DTW变体,它通过固定的加性代价来惩罚扭曲行为。与CDTW和WDTW一样,ADTW约束扭曲的量。但它避免了所允许扭曲量中的 abrupt 不连续性以及乘法惩罚的局限性。我们正式引入ADTW,证明其若干性质,并讨论其参数化。我们在一个简单例子上展示如何参数化它以达成直观结果,并在标准时间序列分类基准上展示其有用性。我们提供了一个C++的演示应用。

关键词

引用

@article{arxiv.2111.13314,
  title  = {Amercing: An Intuitive, Elegant and Effective Constraint for Dynamic Time Warping},
  author = {Matthieu Herrmann and Geoffrey I. Webb},
  journal= {arXiv preprint arXiv:2111.13314},
  year   = {2021}
}

备注

Submitted to Pattern Recognition