面向包含动态时间规整的弹性距离的提前中止与剪枝

基于弹性距离的最近邻搜索是时间序列分析的关键工具，支撑着众多应用。然而，距离的直接实现需要 O(n²) 的空间与时间复杂度，阻碍了这些应用扩展到长序列。大量工作致力于加速最近邻搜索过程，主要通过开发下界，使得当给定阈值被超过时可避免代价高昂的距离计算。该阈值由相似性搜索过程提供，也允许提前中止距离本身的计算。另一种方法是剪枝部分计算。所有这些技术彼此正交。本工作中，我们提出一种新的通用策略“EAPruned”，将剪枝与提前中止紧密集成。我们将其应用于六种弹性距离度量：DTW、CDTW、WDTW、ERP、MSM 和 TWE，在最近邻搜索应用中展现出显著的加速。仅剪枝对某些距离也显示出显著加速，惠及最近邻搜索范围之外的应用（例如需要所有成对距离的情形），因而提前中止并不适用。我们以一个面向时间序列分类的新 C++ 库发布实现，并附带易用的 Python/Numpy 接口。