sDTW：基于显著特征对齐的局部相关约束计算 DTW 距离

许多应用生成并消费时间序列数据，时间序列检索是许多应用领域的关键处理步骤。大小为 $N$ 和 $M$ 的时间序列之间的动态时间规整（Dynamic Time Warping, DTW）距离依赖于动态规划方法计算，该方法需要创建并填充一个 $N \times M$ 的网格以搜索最优规整路径。由于这可能代价高昂，人们提出了各种启发式方法来剪除 DTW 网格中潜在无效的部分。在本文中，我们认为时间序列通常携带可用于识别局部相关约束的结构特征，从而消除冗余工作。基于这一观察，我们提出了基于显著特征的 sDTW 算法，该算法首先在给定的时间序列中识别鲁棒的显著特征，然后找到这些特征的一致对齐以确立规整路径搜索的边界。更具体地说，我们提出了替代的固定核心&自适应宽度、自适应核心&固定宽度以及自适应核心&自适应宽度策略，这些策略强制执行不同的约束，以反映数据集中序列的高级结构特征。实验结果表明，与未利用给定时间序列局部特征的固定核心&固定宽度算法相比，所提出的 sDTW 算法在 DTW 计算和时间序列检索方面实现了更高的准确率。