MCDMTime-series distance
동적 시간 왜곡 (Dynamic Time Warping)
동적 시간 왜곡(DTW)은 길이가 다르거나 속도가 다른 시계열 또는 순차 데이터를 비교하기 위한 거리 측정 방법입니다. 1978년 사코 히데키(Hideki Sakoe)와 치바 세이이(Seiichi Chiba)가 음성 인식을 위해 도입한 DTW는 동적 계획법을 사용하여 두 시퀀스를 정렬하는 데 필요한 누적 거리를 최소화합니다. 고정 거리 측정 방법과 달리 DTW는 유연한 시간 왜곡을 허용하여 모양은 유사하지만 시간상 오프셋이나 스케일이 다른 시퀀스에 이상적입니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
- Salvador, S., & Chan, P. (2007). FastDTW: Toward accurate dynamic time warping in linear time and space. KDD Explorations, 5(1), 70-86. link ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Dynamic Time Warping Distance. ScholarGate. https://scholargate.app/ko/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 →