C++ 中的快速动态时间规整与聚类
信号处理
2024-10-10 v1 机器学习
系统与控制
系统与控制
摘要
我们提出了一种计算高效的动态时间规整（DTW）与时间序列数据聚类方法。该方法将时间序列数据集的动态规整表述为一个使用动态规划求解的优化问题，随后通过使用混合整数规划（MIP）求解第二个优化问题来对时间序列数据进行聚类。当不严格要求全局最优性证书时，也可选用 k-medoids 聚类以提高速度。我们方法效率的提升源于聚类与 DTW 的任务级并行化。我们的方法使用 UCR 时间序列档案进行了测试，发现当采用相同聚类方法时，平均比次快方案快 33%。若仅考虑较大的数据集（含超过 1000 条时间序列），这一提升达到 64%。MIP 聚类在少量较长时间序列上最为有效，因为 DTW 计算快于其他方法，但随着待聚类时间序列数量增加，聚类问题的计算代价日益高昂。
引用
@article{arxiv.2307.04904,
title = {Fast dynamic time warping and clustering in C++},
author = {Volkan Kumtepeli and Rebecca Perriment and David A. Howey},
journal= {arXiv preprint arXiv:2307.04904},
year = {2024}
}