DTW Barycenter Averaging (DBA)
Dynamic Time Warping Barycenter Averaging · Ayrıca şöyle bilinir: DBA, DTW-BA, Barycenter Averaging
DTW Barycenter Averaging (DBA), zaman serileri kümesinin zamansal çarpıtmayı ve esnek mesafeyi dikkate alan ortalama veya temsili dizisini hesaplamak için kullanılan bir yöntemdir. Nokta bazında hizalama gerektiren Öklid ortalamasından farklı olarak DBA, Dinamik Zaman Çarpıtma (DTW) mesafelerinin toplamını minimize ederek esnek zamansal hizalara sahip diziler için anlamlı bir ortalama üretir. Petitjean ve arkadaşları tarafından 2011 yılında tanıtılan bu yöntem, zaman serisi kümeleme ve özetleme alanlarında yaygın olarak kullanılmaktadır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Değişken uzunluklara veya zamansal bozulmalara sahip zaman serileri koleksiyonu için temsili bir diziye ihtiyaç duyduğunuzda DBA'yı kullanın. DTW mesafesine dayalı zaman serisi kümeleme, çok değişkenli sensör verilerini özetleme veya şekil tabanlı geri çağırma görevlerinde şablon dizileri oluşturma için esastır. Zamansal hizalamanın önemli olduğu durumlarda DBA, Öklid ortalamasından üstündür.
Güçlü yönler & sınırlılıklar
- Zamansal esnekliği ve esnek mesafeyi dikkate alan anlamlı bir ortalama üretir
- Değişken uzunluklu diziler ve karmaşık zamansal desenlerle çalışır
- DTW tabanlı mesafe metrikleriyle kullanıldığında tutarlı kümeleme sonuçları sağlar
- Yerel zaman çarpıtmasına ve verideki hız değişimlerine karşı dayanıklıdır
- Hesaplama açısından maliyetlidir—DTW mesafelerinin hesaplanması O(N^2)'dir ve ortalama alma işlemi birçok yineleme gerektirir
- Başlatmaya bağlı olarak birden çok yerel minimuma sahip dışbükey olmayan optimizasyon problemi
- Çıktı ortalama dizisinin uzunluğu önceden belirlenmeli veya tahmin edilmelidir
- Girdi kümesindeki aykırı değerlere veya tipik olmayan dizilere duyarlı olabilir
SSS
DBA, zaman serilerinin her bir zaman noktasındaki ortalamasını almaktan nasıl farklıdır?
Nokta bazında ortalama alma (Öklid ortalaması), tüm dizilerin zamansal olarak hizalandığını varsayar ki bu gerçekçi değildir. DBA, zamansal çarpıtmaya izin verir—her bir girdi dizisi, ortalamaya uyacak şekilde esnetilebilir veya sıkıştırılabilir, bu da gerçek deseni daha iyi yakalayan bir sonuç üretir.
Çıktı ortalama dizisinin uzunluğu ne olmalıdır?
Uzunluk genellikle girdi dizilerinin ortalama veya medyan uzunluğuna ayarlanır veya sezgisel yöntemler kullanılarak tahmin edilebilir. Bazı yöntemler, hesaplama maliyetini artırsa da, uzunluğu dizi değerleriyle birlikte optimize eder.
Büyük bir veri kümesi için DBA hesaplaması ne kadar sürer?
DBA, her yineleme için K adet DTW mesafesi hesaplaması içerir; burada K, girdi dizilerinin sayısıdır. Her DTW, N uzunluğundaki diziler için O(N^2)'dir. Büyük veri kümeleri için, maliyeti azaltmak üzere fastDTW yaklaşımlarını kullanın veya kısıtlama penceresini sınırlayın.
DBA, çok farklı uzunluklardaki dizileri işleyebilir mi?
Evet, DBA, DTW aracılığıyla değişken uzunluklu dizileri doğal olarak işler. Ancak, çok heterojen uzunluklara sahip olmak (örneğin, bir dizinin diğerlerinden 10 kat daha uzun olması) kötü ortalamalara yol açabilir—önce uzunluğa göre kümelemeyi veya aykırı değerleri filtrelemeyi düşünün.
DBA tersine çevrilebilir mi veya orijinal dizileri ortalamadan yeniden oluşturabilir miyim?
Hayır, DBA tersine çevrilemez. Ortalama dizi bir özet istatistiğidir. Ancak, DBA sırasında hesaplanan DTW hizalama yolları, her bir girdi dizisinin ortalamaya nasıl hizalandığını ortaya çıkarabilir ve bu da sonraki analizler için faydalıdır.
Kaynaklar
- 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 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Dynamic Time Warping Barycenter Averaging. ScholarGate. https://scholargate.app/tr/time-series/dtw-barycenter-averaging
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Ayrık Dalgacık DönüşümüZaman serileri↔ karşılaştır
- Dinamik Zaman BükmeKarar verme↔ karşılaştır
- Hiyerarşik KümelemeMakine öğrenmesi↔ karşılaştır
- K-ortalama KümelemeMakine öğrenmesi↔ karşılaştır