Düzensiz zaman serileri için Dinamik Zaman Çözgü

Son zamanlarda Dinamik Zaman Çözgü (DTW) hakkında çok şey okuyorum. DTW'nin düzensiz zaman serilerine uygulanması hakkında hiçbir literatür olmadığına çok şaşırdım ya da en azından bulamadım.

Birisi bana bu konuyla ilgili bir şeye, hatta belki bir uygulamaya atıfta bulunabilir mi?

Anladığım kadarıyla, düzensiz zaman serileriyle , düzensiz olarak örneklenmiş zaman serileri olarak da adlandırılan düzensiz aralıklı zaman serilerini kastediyorsunuz . Genel olarak zaman serilerini merak ettiğim için, (ve şimdi benimki) ilgilendiğiniz konu hakkında kısa bir araştırma yaptım. Sonuçlar takip eder.

Zaman serisi analizi, kümeleme ve sınıflandırmada dinamik zaman çözgü (DTW) yaklaşımının yüksek popülaritesine rağmen , düzensiz zaman serileri DTW'nin bu tür veri türlerine doğrudan uygulanmasında bazı zorluklar ortaya koymaktadır (örneğin, bu makaleye ve bu makaleye bakınız ). Nispeten kısa araştırma çabalarıma dayanarak, bazı araştırmaların aksini iddia ettiği gibi DTW'nin doğrudan uygulanmasının imkansız olup olmadığı benim için tamamen açık değildir (ayrıca bu makaleye / bölüme bakınız ). Daha kapsamlı olmak için , düzensiz zaman serilerinde konu tezi ile mükemmel ve ilgili bir IMHO'dan da bahsetmek istiyorum .

Bununla birlikte, bu konunun çoğunlukla aşağıdaki iki araştırma akışı tarafından ele alındığı görülmektedir :

• öneren ve değerlendirilmesi yaklaşımları, DTW alternatif örneğin, model-bazlı olanlar (bakınız bu kağıt ve bu kağıdın );
• öneren ve değerlendirilmesiyle DTW yaklaşımlar modifiye gibi cDTW , EDR , ERP , TWED , zarf dönüşümler , CDTW ( sürekli DTW - - cDTW ile değil şaşırtmak do DTW kısıtlı (örneğin bkz ve diğerleri varyantları!) Bu kağıdı ). Yukarıda bahsedilen yaklaşımlara genel bir bakış ve bazı ampirik karşılaştırmaların sonuçları bu makalede bulunabilir .

Son olarak, DTW'ye odaklanan ve düzensiz zaman serileri için yukarıda belirtilen algoritmaların bazılarını destekleyen , açık kaynak kodlu bir yazılım olan araştırma veya sistem uygulaması için konuya değinmek istiyorum. Bu tür yazılımlar arasında Python / NumPy tabanlı cDTW modül projesi ve GPU odaklı CUDA tabanlı CUDA-DTW projesi bulunmaktadır . İçin Rmeraklıları, bir kapsamlı Dinamik bir zaman tüneli projesi de (söz edilmelidir gelen paketi dtwCRAN'da kullanılabilir). Şu anda düzensiz zaman serileri için birçok DTW algoritmasını desteklemese de (cDTW'yi desteklediğini düşünmeme rağmen), bu projenin DTW algoritmaları için bu tipe odaklanmış daha kapsamlı bir destek sunmasının sadece bir zaman meselesi olduğunu düşünüyorum. veri. Umarım konuyu araştırmaktan ve bu yazıyı yazmaktan zevk aldığım kadar cevabımı okumaktan keyif aldınız.

Dinamik imza doğrulamasına uygulandığı şekliyle DTW'yi 'C'de başarıyla uyguladım. EER'yi doğrulamak için Çince ve Hollandaca imzaların test veri tabanını kullandım ve çok etkileyici sonuçlar elde ettim. Şu anda bir iPad'de demo olarak uygulanmaktadır. Algoritmam yayınlanan bazı açıklamalardan elle kodlandı. Size ulaşmanın bir yolu varsa kodu paylaşacağım. Başarıya katkıda bulunan bir şey de girdi verilerini 'normalleştirmek' idi. Bu, farklı örnek hızları kullanarak farklı verileri karşılaştırırken çok daha kolay hale getirdi.

Sadece kendime DTW giriyorum ve aşağıda belirtilen paketleri kişisel olarak kullanmadım, ancak umarım aşağıdakiler size yardımcı olabilir.

Cran.R Projesi, özellikle: • "ts", sayısal zaman damgaları kullanarak düzenli aralıklarla yerleştirilmiş zaman serileri için temel sınıftır. • "Hayvanat Bahçesi" paketi, zaman damgaları için rasgele sınıflar kullanarak düzenli VE DAĞITIMLI aralıklı zaman serileri için altyapı sağlar. "Ts" ile mümkün olduğunca tutarlı olacak şekilde tasarlanmıştır. • hayvanat bahçesi: Düzenli ve Düzensiz Zaman Serileri için S3 Altyapısı (Z'nin düzenli gözlemleri)

Kaynaklar: http://cran.r-project.org/web/views/TimeSeries.html ve http://cran.r-project.org/web/packages/zoo/index.html

En iyi dileklerimle.

TSdist , dtw ile mesafeyi belirleyen bir fonksiyona sahiptir. Düzensiz hayvanat bahçesi zaman serilerini kabul eder