ฉันได้อ่านเกี่ยวกับ Dynamic Time Warping (DTW) เมื่อไม่นานมานี้ ฉันประหลาดใจมากที่ไม่มีวรรณกรรมเลยในการใช้ DTW กับซีรี่ย์เวลาที่ผิดปกติหรืออย่างน้อยฉันก็หาไม่เจอ
ใครช่วยให้ฉันอ้างอิงถึงบางสิ่งที่เกี่ยวข้องกับปัญหานั้นหรือแม้กระทั่งการใช้งานได้หรือไม่
คำตอบ:
เท่าที่ผมเข้าใจโดยอนุกรมเวลาที่ผิดปกติที่คุณหมายถึงอนุกรมเวลาเว้นระยะไม่สม่ำเสมอก็จะเรียกว่าเป็นอนุกรมเวลาตัวอย่างสม่ำเสมอ ตั้งแต่ฉันอยากรู้เกี่ยวกับอนุกรมเวลาโดยทั่วไปฉันได้ทำการวิจัยสั้น ๆ เกี่ยวกับหัวข้อที่คุณสนใจ (และตอนนี้ฉัน) ผลการติดตาม
แม้จะมีความนิยมสูงของเวลาแบบไดนามิกแปรปรวน (DTW)วิธีการในการวิเคราะห์อนุกรมเวลา, การจัดกลุ่มและการจำแนกอนุกรมเวลาที่ผิดปกตินำเสนอความท้าทายบางอย่างเพื่อการประยุกต์ใช้โดยตรงของ DTW ประเภทข้อมูลดังกล่าว (เช่นดูบทความนี้และบทความนี้ ) จากความพยายามในการวิจัยสั้น ๆ ของฉันมันไม่ชัดเจนเลยสำหรับฉันไม่ว่าจะเป็นไปไม่ได้ที่จะใช้ DTW โดยตรงเพราะงานวิจัยบางชิ้นแนะนำเป็นอย่างอื่น (ดูบทความ / บทนี้ ) สำหรับความครอบคลุมมากขึ้นผมยังอยากจะพูดถึงดี IMHO และมีความเกี่ยวข้องกับหัวข้อวิทยานิพนธ์ในอนุกรมเวลาที่ผิดปกติ
อย่างไรก็ตามดูเหมือนว่าหัวข้อนี้ส่วนใหญ่จะครอบคลุมโดยสองกระแสการวิจัยต่อไปนี้:
ในที่สุดฉันอยากจะสัมผัสกับซอฟต์แวร์โอเพ่นซอร์สที่มีให้สำหรับการวิจัยหรือการใช้งานระบบโดยมุ่งเน้นที่ DTW และสนับสนุนอัลกอริทึมที่กล่าวถึงข้างต้นสำหรับอนุกรมเวลาที่ผิดปกติ ซอฟแวร์ดังกล่าวรวมถึงงูหลาม / NumPy -based โครงการโมดูล cDTWเช่นเดียวกับGPU ที่มุ่งเน้น CUDA ตาม โครงการ CUDA-DTW สำหรับRผู้ที่ชื่นชอบควรมีการพูดถึงโครงการ Dynamic Time Warp ที่ครอบคลุม ( แพ็คเกจที่เกี่ยวข้อง dtwมีให้ใน CRAN) แม้ว่ามันอาจจะไม่รองรับอัลกอริทึม DTW จำนวนมากสำหรับอนุกรมเวลาที่ผิดปกติในขณะนี้ (แม้ว่าฉันคิดว่ามันรองรับ cDTW) ฉันคิดว่ามันเป็นเพียงเรื่องของเวลาจนกว่าโครงการนี้จะให้การสนับสนุนที่ครอบคลุมมากขึ้นสำหรับอัลกอริทึม DTW ของข้อมูล ฉันหวังว่าคุณจะสนุกกับการอ่านคำตอบของฉันมากที่สุดเท่าที่ฉันได้สนุกกับการค้นคว้าหัวข้อและเขียนโพสต์นี้
ฉันใช้ DTW เป็น 'C' ได้สำเร็จซึ่งนำไปใช้กับการตรวจสอบลายเซ็นแบบไดนามิก ฉันใช้ฐานข้อมูลทดสอบของลายเซ็นภาษาจีนและดัตช์เพื่อยืนยัน EER และได้ผลลัพธ์ที่น่าประทับใจมาก ปัจจุบันมีการใช้งานเป็นตัวอย่างบน iPad อัลกอริทึมของฉันถูกเขียนโค้ดด้วยมือจากคำอธิบายที่เผยแพร่หลายอย่าง ฉันจะแบ่งปันรหัสหากมีวิธีที่จะนำมาให้คุณ สิ่งหนึ่งที่ทำให้ประสบความสำเร็จก็คือ 'ทำให้ปกติ' ข้อมูลอินพุต สิ่งนี้ทำให้ง่ายขึ้นมากเมื่อเปรียบเทียบข้อมูลที่ต่างกันโดยใช้อัตราตัวอย่างที่แตกต่างกัน
ฉันแค่เข้าสู่ DTW เท่านั้นและไม่ได้ใช้แพ็คเกจที่อ้างถึงด้านล่างเป็นการส่วนตัว แต่ฉันหวังว่าสิ่งต่อไปนี้อาจช่วยคุณได้
โดยเฉพาะอย่างยิ่งโครงการ Cran.R: • "ts" เป็นคลาสพื้นฐานสำหรับอนุกรมเวลาที่เว้นระยะอย่างสม่ำเสมอโดยใช้การประทับเวลาเป็นตัวเลข •แพคเกจ "สวนสัตว์" จัดเตรียมโครงสร้างพื้นฐานสำหรับอนุกรมเวลาที่เว้นระยะและไม่สม่ำเสมอโดยใช้คลาสโดยอำเภอใจสำหรับการประทับเวลา มันถูกออกแบบมาให้มีความสอดคล้องมากที่สุดกับ "ts" •สวนสัตว์: S3 โครงสร้างพื้นฐานสำหรับอนุกรมเวลาปกติและไม่สม่ำเสมอ (การสังเกตที่สั่งโดย Z)
การอ้างอิง: http://cran.r-project.org/web/views/TimeSeries.htmlและ http://cran.r-project.org/web/packages/zoo/index.html
ด้วยความปรารถนาดี