动态时间规整中对齐路径搜索空间的稀疏化
机器学习
2017-11-15 v1
摘要
时序数据天然无处不在，尤其是在大数据和物联网出现数字时代。时序数据分析与挖掘中的一个主要挑战是时间序列或序列的比较，这需要确定适当的距离或（不）相似度度量。在此背景下，动态时间规整（DTW）因其在匹配时序数据时特别有用的“时间弹性”属性在许多领域取得成功。不幸的是，该不相似度度量具有二次计算代价，这阻碍了其在大规模应用中的使用。本工作解决类DTW度量的对齐路径搜索空间稀疏化问题，本质上是在不损失度量质量的前提下降低其计算代价。作为我们稀疏化方法的结果，提出了两种新的（不）相似度度量，即SP-DTW（稀疏化路径搜索空间DTW）及其核化版本SP-K rdtw（稀疏化路径搜索空间K rdtw核），用于时间序列比较。使用广泛的公开数据集评估所提（不）相似度度量在1-最近邻（1-NN）和支持向量机（SVM）分类算法上的效率（以加速比和分类精度估计）。我们的实验表明，我们提出的度量在精度不损失的情况下提供了显著加速。此外，以轻微降低加速比为代价，它们在精度准则上显著优于旧的但众所周知的Sakoe-Chiba方法，后者使用对称走廊缩减DTW路径搜索空间。
引用
@article{arxiv.1711.04453,
title = {Sparsification of the Alignment Path Search Space in Dynamic Time Warping},
author = {Saeid Soheily-Khah and Pierre-François Marteau},
journal= {arXiv preprint arXiv:1711.04453},
year = {2017}
}