میانگینگیری باریسنتریک DTW
میانگینگیری باریسنتریک DTW (DBA) روشی برای محاسبه توالی میانگین یا نماینده از مجموعهای از سریهای زمانی است که به اعوجاج زمانی و فاصله کشسان احترام میگذارد. برخلاف میانگینگیری اقلیدسی که نیازمند همترازی نقطهبهنقطه است، DBA مجموع فواصل Dynamic Time Warping (DTW) را کمینه میکند و میانگینی معنادار برای توالیهایی با همترازیهای زمانی انعطافپذیر تولید میکند. این روش که توسط پتیژان و همکارانش در سال ۲۰۱۱ معرفی شد، به طور گسترده در خوشهبندی و خلاصهسازی سریهای زمانی استفاده میشود.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
نقشهٔ روش
همسایگی روشهای مرتبط — برای کاوش، یک گره را برگزینید.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Dynamic Time Warping Barycenter Averaging. ScholarGate. https://scholargate.app/fa/time-series/dtw-barycenter-averaging
کدام روش؟
این روش را در کنار نزدیکترین روشهای خویشاوندش بگذارید و آنها را کنار هم بخوانید — کتابخانه کتابها را روی میز میگشاید؛ انتخاب با شماست.
- تبدیل موجک گسستهسریهای زمانی↔ مقایسه
- تابیدگی زمانی پویاتصمیمگیری↔ مقایسه
- خوشهبندی سلسلهمراتبییادگیری ماشین↔ مقایسه
- خوشهبندی K-meansیادگیری ماشین↔ مقایسه
Similar methods
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →