Усреднение барицентром DTW
Усреднение барицентром DTW (DTW Barycenter Averaging, DBA) — это метод вычисления среднего или репрезентативного ряда для набора временных рядов, учитывающий временные искажения и эластичное расстояние. В отличие от евклидова усреднения, которое требует попарного выравнивания, DBA минимизирует сумму расстояний динамической временной коррекции (Dynamic Time Warping, DTW), производя осмысленное среднее для рядов с гибким временным выравниванием. Предложенный Petitjean и его коллегами в 2011 году, этот метод широко используется в кластеризации и суммаризации временных рядов.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Карта метода
Окружение родственных методов — выберите узел, чтобы перейти к нему.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Dynamic Time Warping Barycenter Averaging. ScholarGate. https://scholargate.app/ru/time-series/dtw-barycenter-averaging
Какой метод?
Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.
- Дискретное вейвлет-преобразованиеВременные ряды↔ сравнить
- Динамическая временная́ трассиро́вкаПринятие решений↔ сравнить
- Иерархическая кластеризацияМашинное обучение↔ сравнить
- Кластеризация методом k-среднихМашинное обучение↔ сравнить
Similar methods
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →