OTW：面向时间序列的最优传输扭曲
机器学习
2023-06-02 v1
摘要
动态时间扭曲（DTW）已成为度量时间序列间距离的实际选择。然而，当需精确计算最优对齐矩阵时，它不可避免地承受二次时间复杂度。这阻碍了其在深度学习架构中的使用，其中涉及 DTW 计算的层会造成严重瓶颈。为缓解这些问题，我们基于最优传输（OT）框架引入一种用于时间序列数据的新度量，称为最优传输扭曲（OTW）。OTW 具有线性时间/空间复杂度，可微分且可并行化。OTW 对时间与形状畸变具有适度敏感性，使其成为时间序列的理想选择。我们在 1-近邻分类与层次聚类中，以及在深度学习架构中用 OTW 替代 DTW 的情形下，展示了 OTW 的效能与效率。
引用
@article{arxiv.2306.00620,
title = {OTW: Optimal Transport Warping for Time Series},
author = {Fabian Latorre and Chenghao Liu and Doyen Sahoo and Steven C. H. Hoi},
journal= {arXiv preprint arXiv:2306.00620},
year = {2023}
}
备注
This is an extended version of an ICASSP 2023 accepted paper https://ieeexplore.ieee.org/document/10095915