Dinamik Zaman Bükme
Dynamic Time Warping Distance · Ayrıca şöyle bilinir: DTW, dynamic programming time warping, elastic distance
Dinamik Zaman Bükme (DTW), uzunlukları veya hızları farklılık gösterebilen zaman serisi veya sıralı verileri karşılaştırmak için kullanılan bir uzaklık metriğidir. 1978'de Hideki Sakoe ve Seibi Chiba tarafından konuşma tanıma için tanıtılan DTW, dinamik programlama kullanarak iki diziyi hizalamak için gereken minimum kümülatif mesafeyi ölçer. Sabit uzaklık metriklerinin aksine, DTW esnek zaman bükmeye izin vererek, zaman içinde farklı şekilde ölçeklenmiş veya kaydırılmış olsalar da şekil olarak benzer olan diziler için idealdir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
DTW, farklı uzunluklardaki zaman serilerini karşılaştırmak, benzer desenlere ancak farklı hızlara sahip dizileri (konuşma, hareket, sensör verileri) karşılaştırmak ve esnek zamansal hizalamanın önemli olduğu her alan için idealdir. Noktadan noktaya zamansal hizalama yerine şekil benzerliğinin sizin için önemli olduğu durumlarda kullanın. Öklid mesafesinden hesaplama açısından daha pahalıdır, bu nedenle büyük veri kümeleri için daha hızlı varyantları (FastDTW, LB-DTW) göz önünde bulundurun.
Güçlü yönler & sınırlılıklar
- Farklı uzunluklardaki dizileri doğal olarak işler
- Zaman bükme ve hız değişimlerine karşı dayanıklıdır; şekil benzerliğini belirler
- Sezgisel benzerliği yakalar: aynı şekle ancak farklı zamanlamaya sahip diziler benzer görünür
- Zaman serisi kümeleme ve sınıflandırmada iyi kurulmuş
- Hesaplama açısından pahalı: n ve m uzunluğundaki diziler için O(n*m) zaman ve alan
- Üçgen eşitsizliği yok; matematiksel anlamda gerçek bir metrik değil
- Zaman serilerindeki aykırı değerlere ve gürültüye duyarlı
- En iyi sonuçlar için dikkatli parametre ayarlaması (pencere kısıtlamaları, normalleştirme) gerektirir
SSS
DTW, zaman serileri için Öklid mesafesinden neden daha iyidir?
Öklid mesafesi aynı zaman indeksindeki noktaları karşılaştırır ve zaman kaymalarını cezalandırır. DTW, en iyi zaman uyumlu yolu bularak esnek hizalamaya izin verir. Diziler aynı şekle ancak farklı zamanlamaya sahipse, DTW benzerliği tanır, Öklid mesafesi ise onları farklı olarak ele alır.
DTW simetrik midir?
Evet, standart tanımda DTW(A,B) = DTW(B,A)'dır. Ancak, hizalama yolu geri izleme yönü nedeniyle farklılık gösterebilir. DTW simetriktir ancak üçgen eşitsizliğini sağlamadığı için gerçek bir metrik değildir.
Çok farklı uzunluklardaki dizileri nasıl ele alırım?
DTW, uzunluk farklılıklarını doğal olarak ele alır. Ancak, çok büyük uzunluk farklılıkları önemsiz hizalamalara (çoklu-bir eşlemeler) yol açabilir. Aşırı bozulmayı önlemek ve yerel hizalamayı zorlamak için bükme penceresini (Sakoe-Chiba bandı) kısıtlayın.
FastDTW nedir ve ne zaman kullanmalıyım?
FastDTW, O(n*m) zaman karmaşıklığına sahip ancak daha düşük alan yükü ve kaba-ince iyileştirme yoluyla pratik hızlanma sağlayan DTW'nin daha hızlı bir yaklaşımıdır. Standart DTW'nin çok yavaş olduğu durumlarda, birçok diziyi karşılaştırırken veya uzun dizilerle çalışırken FastDTW kullanın.
Kaynaklar
- 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 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Dynamic Time Warping Distance. ScholarGate. https://scholargate.app/tr/decision-making/dynamic-time-warping
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Levenshtein MesafesiKarar verme↔ karşılaştır