动态时间规整下样本均值问题的平均-压缩算法
数据结构与算法
2020-02-26 v2
摘要
在动态时间规整 (DTW) 下计算时间序列的样本均值是 NP-难的。因此，学界持续努力设计高效启发式算法。多数启发式算法针对假设解具有预定义长度的约束样本均值问题而开发。相比之下，无约束样本均值问题的研究尚不充分。本文中，我们提出一种通用的平均-压缩 (AC) 算法来求解无约束问题。该算法在平均 (A-步) 与压缩 (C-步) 之间交替。A-步以初始猜测为输入，返回样本均值的近似。随后 C-步缩减近似解的长度。压缩后的近似解作为下一步 A-步的初始猜测。C-步的目的是将算法导向长度更短且更有希望的解。所提算法之所以通用，在于可使用任意平均与任意压缩方法。实验结果表明，AC 算法在时间序列平均上大幅优于当前最先进的算法。
引用
@article{arxiv.1909.13541,
title = {An Average-Compress Algorithm for the Sample Mean Problem under Dynamic Time Warping},
author = {Brijnesh Jain and Vincent Froese and David Schultz},
journal= {arXiv preprint arXiv:1909.13541},
year = {2020}
}