Усредняване по барицентър на DTW
Усредняването по барицентър на DTW (DTW Barycenter Averaging, DBA) е метод за изчисляване на средна или представителна времева редица от набор от времеви редици, който отчита темпоралното изкривяване и еластичното разстояние. За разлика от евклидовото усредняване, което изисква подравняване точка по точка, DBA минимизира сумата от разстоянията по динамично времево изкривяване (Dynamic Time Warping, DTW), създавайки смислена средна стойност за редици с гъвкави темпорални подравнявания. Въведен от Petitjean и колеги през 2011 г., той се използва широко при клъстеризация и обобщаване на времеви редици.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Карта на методите
Обкръжението на сродните методи — изберете възел, за да го разгледате.
Източници
- Salvador, S., & Chan, P. (2004). FastDTW: Toward accurate dynamic time warping in linear time and space. Intelligent Data Analysis, 11(5), 561–580. link ↗
- Petitjean, F., Ketterlin, A., & Gançarski, P. (2011). A global averaging method for dynamic time warping, with applications to clustering. Pattern Recognition, 44(3), 678–693. DOI: 10.1016/j.patcog.2010.09.013 ↗
- Cuturi, M., & Blondel, M. (2016). Soft-DTW: A differentiable loss function for time-series. arXiv preprint arXiv:1703.01541. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Dynamic Time Warping Barycenter Averaging. ScholarGate. https://scholargate.app/bg/time-series/dtw-barycenter-averaging
Кой метод?
Поставете този метод до най-близките му сродни методи и ги четете едно до друго — библиотеката полага книгите на масата; изборът е ваш.
- Дискретно уейвлет преобразуванеВремеви редове↔ сравняване
- Динамично изкривяване на времетоВземане на решения↔ сравняване
- Йерархично групиранеМашинно обучение↔ сравняване
- K-means клъстеризацияМашинно обучение↔ сравняване
Similar methods
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →