Process / pipelineTime-series alignment and averaging
DTW Barycenter Averaging
DTW Barycenter Averaging (DBA) 是一种用于计算一组时间序列的平均值或代表性序列的方法，该方法能够处理时间扭曲和弹性距离。与需要逐点对齐的欧氏平均法不同，DBA 通过最小化动态时间规整 (Dynamic Time Warping, DTW) 距离之和来生成有意义的平均序列，适用于具有弹性时间对齐的序列。该方法由 Petitjean 及其同事于 2011 年提出，广泛应用于时间序列聚类和摘要生成。
在 MethodMind 中打开即将推出Apply, compare, get guidance
Tools & resources
Learn & explore
视频即将推出
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
方法图谱
相关方法的邻域——选择一个节点以展开探索。
来源
- 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 ↗
如何引用本页
ScholarGate. (2026, June 3). Dynamic Time Warping Barycenter Averaging. ScholarGate. https://scholargate.app/zh/time-series/dtw-barycenter-averaging
选用哪种方法？
将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。
并排比较 →