早期舍弃的 PrunedDTW 及其在相似性搜索中的应用
机器学习
2020-10-13 v1
摘要
动态时间规整（"DTW"）距离在时间序列分析中广泛应用，无论是分类、聚类还是相似性搜索。然而，其二次时间复杂度阻碍了可扩展性。基于早期舍弃 DTW 或借助下界完全跳过其计算的战略已针对某些用例（如最近邻搜索）被开发。但除向量化与近似外，在 PrunedDTW 引入之前 DTW 本身未有进展。该算法能够剪枝无望的对齐，后来被配以早期舍弃。我们提出一个新版 PrunedDTW，即 "EAPrunedDTW"，从一开始便以早期舍弃为设计初衷，且能够比以往更快地早期舍弃。我们表明 EAPrunedDTW 显著改善了 UCR Suite 中相似性搜索的计算时间，并使下界变得可有可无。
引用
@article{arxiv.2010.05371,
title = {Early Abandoning PrunedDTW and its application to similarity search},
author = {Matthieu Herrmann and Geoffrey I. Webb},
journal= {arXiv preprint arXiv:2010.05371},
year = {2020}
}
备注
13 pages, 5 figures, 3 algorithms. Submitted to SDM2021. For source code and results, see https://github.com/MonashTS/UCR-Monash