DTW Barycenter Averaging
DTW Barycenter Averaging (DBA) er en metode for å beregne gjennomsnittet eller den representative sekvensen av et sett med tidsserier som respekterer tidsmessig warping og elastisk avstand. I motsetning til euklidisk gjennomsnittsberegning, som krever punktvis justering, minimerer DBA summen av Dynamic Time Warping (DTW)-avstander, og produserer et meningsfylt gjennomsnitt for sekvenser med fleksible tidsmessige justeringer. Introdusert av Petitjean og kolleger i 2011, er den mye brukt i tidsserie-klynging og oppsummering.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Metodekart
Nabolaget av beslektede metoder — velg en node for å utforske.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Dynamic Time Warping Barycenter Averaging. ScholarGate. https://scholargate.app/no/time-series/dtw-barycenter-averaging
Hvilken metode?
Sett denne metoden ved siden av sin nærmeste slektning og les dem side om side — biblioteket legger bøkene på bordet; valget er ditt.
- Diskret bølgeformtransformasjonTidsserier↔ sammenlign
- Dynamisk tidssveipningBeslutningstaking↔ sammenlign
- Hierarkisk grupperingMaskinlæring↔ sammenlign
- K-means klyngeanalyseMaskinlæring↔ sammenlign
Similar methods
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →