DTW Barycenter Averaging
A DTW Barycenter Averaging (DBA) egy olyan módszer, amely idősorok halmazának átlagos vagy reprezentatív szekvenciáját számítja ki, figyelembe véve az időbeli torzítást és az elasztikus távolságot. Az euklideszi átlagolással ellentétben, amely pontonkénti illesztést igényel, a DBA minimalizálja a Dynamic Time Warping (DTW) távolságok összegét, így értelmes átlagot eredményez a rugalmas időbeli illesztésű szekvenciák számára. Petitjean és munkatársai vezették be 2011-ben, és széles körben alkalmazzák idősorok klaszterezésében és összegzésében.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Módszertérkép
A rokon módszerek környezete — válasszon ki egy csomópontot a felfedezéshez.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Dynamic Time Warping Barycenter Averaging. ScholarGate. https://scholargate.app/hu/time-series/dtw-barycenter-averaging
Melyik módszer?
Állítsa e módszert a hozzá legközelebb álló rokonai mellé, és olvassa őket egymás mellett — a könyvtár az asztalra teszi a könyveket; a választás az Öné.
- Diszkrét wavelet transzformációIdősorok↔ összehasonlítás
- Dinamikus ideggörbítésDöntéshozatal↔ összehasonlítás
- Hierarchikus klaszterezésGépi tanulás↔ összehasonlítás
- K-means klaszterezésGépi tanulás↔ összehasonlítás
Similar methods
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →