MCDMTime-series distance

تابیدگی زمانی پویا

تابیدگی زمانی پویا (Dynamic Time Warping - DTW) یک معیار فاصله برای مقایسه سری‌های زمانی یا داده‌های متوالی است که ممکن است طول یا سرعت متفاوتی داشته باشند. DTW که در سال ۱۹۷۸ توسط هیدکی ساکوئه و سیبئی چیبا برای تشخیص گفتار معرفی شد، حداقل فاصله تجمعی مورد نیاز برای هم‌تراز کردن دو دنباله با استفاده از برنامه‌ریزی پویا را اندازه‌گیری می‌کند. برخلاف معیارهای فاصله ثابت، DTW امکان تابیدگی زمانی انعطاف‌پذیر را فراهم می‌کند و آن را برای دنباله‌هایی که از نظر شکل مشابه هستند اما از نظر زمانی جابجا شده یا مقیاس‌بندی متفاوتی دارند، ایده‌آل می‌سازد.

به‌کارگیری با DecisionMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

The neighbourhood of related methods — select a node to explore.

منابع

  1. Sakoe, H., & Chiba, S. (1978). Dynamic programming algorithm optimization for spoken word recognition. IEEE Transactions on Acoustics, Speech, and Signal Processing, 26(1), 43-49. DOI: 10.1109/TASSP.1978.1163055
  2. Salvador, S., & Chan, P. (2007). FastDTW: Toward accurate dynamic time warping in linear time and space. KDD Explorations, 5(1), 70-86. link

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Dynamic Time Warping Distance. ScholarGate. https://scholargate.app/fa/decision-making/dynamic-time-warping

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

ارجاع‌شده در

ScholarGateDynamic Time Warping (Dynamic Time Warping Distance). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/decision-making/dynamic-time-warping · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026