Uśrednianie barycentryczne DTW
Uśrednianie barycentryczne DTW (DBA) to metoda obliczania średniej lub reprezentatywnej sekwencji zbioru szeregów czasowych, która uwzględnia zniekształcenia czasowe i odległość elastyczną. W przeciwieństwie do uśredniania euklidesowego, które wymaga wyrównania punkt po punkcie, DBA minimalizuje sumę odległości z dynamicznego trasowania czasu (DTW), generując znaczącą średnią dla sekwencji o elastycznych dopasowaniach czasowych. Wprowadzona przez Petitjeana i współpracowników w 2011 roku, jest szeroko stosowana w klastrowaniu i podsumowywaniu szeregów czasowych.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Mapa metod
Sąsiedztwo pokrewnych metod — wybierz węzeł, aby je zgłębić.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Dynamic Time Warping Barycenter Averaging. ScholarGate. https://scholargate.app/pl/time-series/dtw-barycenter-averaging
Która metoda?
Zestaw tę metodę z najbliższymi jej krewnymi i czytaj je obok siebie — biblioteka kładzie księgi na stole; wybór należy do Ciebie.
- Dyskretna transformata falkowaSzeregi czasowe↔ porównaj
- Dynamic Time WarpingPodejmowanie decyzji↔ porównaj
- Klasteryzacja hierarchicznaUczenie maszynowe↔ porównaj
- Grupowanie K-średnich (K-means Clustering)Uczenie maszynowe↔ porównaj
Similar methods
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →