时间序列分类相似度度量的实证评估

时间序列无处不在，评估其相似性的度量是许多计算系统的核心部分。特别是，相似度度量是时间序列聚类和分类系统中最关键的组成部分。由于这一重要性，已有无数种估计时间序列相似度的方法被提出。然而，目前缺乏采用实证、严谨、定量和大规模评估策略的比较研究。本文遵循上述原则，对时间序列分类的相似度度量进行了广泛评估。我们考虑了来自不同度量“家族”的7种度量，以及来自广泛科学领域的45个公开时间序列数据集。我们重点关注样本外分类准确率，但也讨论了样本内准确率和参数选择。我们的工作基于严谨的评估方法，并包含使用强大的统计显著性检验来得出有意义的结论。所得结果表明，许多度量在准确率方面是等效的，但有一个候选度量优于其他所有度量。这些发现连同所采用的方法，促使该领域的研究者采用更一致的评估标准，并在确定新进展应与之比较的基线度量时做出更明智的决策。