加速MSM时间序列距离计算的精确与启发式方法
数据结构与算法
2023-04-21 v3
摘要
对于任意考虑错位的弹性距离函数，两个时间序列的距离计算都是耗时的。在这些函数中，DTW最为突出。然而，最近的一项广泛评估表明，在1-NN分类器的分析精度方面，移动-分裂-合并(MSM)度量优于DTW。遗憾的是，用于MSM距离计算的标准动态规划算法的运行时间为，其中为最长时间序列的长度。在本文中，我们提供了通过利用下界和上界在早期剪枝底层动态规划表中的路径来降低MSM距离计算成本的方法。针对一个时间序列为常数的情况，我们给出了一个线性时间算法。此外，我们提出了新的线性时间启发式方法，并将已知用于DTW的启发式方法适配于计算MSM距离。其中一种启发式利用了MSM的度量性质以及前述线性时间算法。我们的实验研究表明，与先前的MSM算法相比，我们的方法获得了显著的加速。特别地，对于大多数流行的UCR数据集，MSM的运行速度快于最先进的DTW距离计算。
引用
@article{arxiv.2301.01977,
title = {Exact and Heuristic Approaches to Speeding Up the MSM Time Series Distance Computation},
author = {Jana Holznigenkemper and Christian Komusiewicz and Bernhard Seeger},
journal= {arXiv preprint arXiv:2301.01977},
year = {2023}
}