Усереднення барицентром DTW
Усереднення барицентром DTW (DTW Barycenter Averaging, DBA) — це метод обчислення середньої або репрезентативної послідовності набору часових рядів, який враховує часове викривлення та еластичну відстань. На відміну від евклідового усереднення, яке вимагає попарного вирівнювання, DBA мінімізує суму відстаней за динамічним часовим викривленням (Dynamic Time Warping, DTW), створюючи значуще середнє для послідовностей із гнучкими часовими вирівнюваннями. Запропонований Petitjean та співавторами у 2011 році, він широко використовується для кластеризації та узагальнення часових рядів.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Карта методів
Околиця споріднених методів — виберіть вузол, щоб дослідити.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Dynamic Time Warping Barycenter Averaging. ScholarGate. https://scholargate.app/uk/time-series/dtw-barycenter-averaging
Який метод?
Поставте цей метод поруч із його найближчими спорідненими й читайте їх пліч-о-пліч — бібліотека викладає книги на стіл; вибір за вами.
- Дискретне вейвлет-перетворенняЧасові ряди↔ порівняти
- Динамічне вирівнювання часу (Dynamic Time Warping, DTW)Прийняття рішень↔ порівняти
- Ієрархічна кластеризаціяМашинне навчання↔ порівняти
- Кластеризація методом k-середніхМашинне навчання↔ порівняти
Similar methods
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →