Answers:
据我了解,不规则时间序列是指间隔不均匀的时间序列,也称为不规则采样时间序列。由于我总体上对时间序列感到好奇,因此我对您(现在是我的)兴趣主题进行了简短的研究。结果如下。
尽管动态时间规整(DTW)方法在时间序列分析,聚类和分类中非常受欢迎,但不规则的时间序列仍然存在着将DTW直接应用于此类数据类型的挑战(例如,请参见本文和本文)。根据我相对简短的研究工作,我尚不清楚,是否像某些研究表明的那样直接应用DTW是不可能的(另请参见本白皮书)。为了更全面,我还想提到一个出色的恕我直言,它与关于不规则时间序列的主题论文有关。
不过,似乎该主题主要由以下两个研究流覆盖:
最后,我想谈谈可用于研究或系统实现的开放源代码软件的主题,该软件专注于DTW并支持上述针对不规则时间序列的算法。此类软件包括基于Python / NumPy的cDTW模块项目以及基于GPU的基于CUDA的CUDA-DTW项目。对于发烧友,还应该提及一个全面的动态时间扭曲项目(相应的软件包 R
dtw
在CRAN上可用)。尽管目前它可能不支持用于不规则时间序列的许多DTW算法(尽管我认为它支持cDTW),但我认为这个项目将为DTW算法提供更全面的支持只是时间问题,重点是此类数据的。希望您喜欢阅读我的答案就像享受研究主题和撰写这篇文章一样开心。
我已成功将DTW应用到“ C”中,并将其应用于动态签名验证。我使用了中文和荷兰语签名的测试数据库来验证EER,并获得了令人印象深刻的结果。目前已在iPad上以演示形式实现。我的算法是从几个公开的描述中手工编码的。如果可以的话,我将分享代码。促成成功的一件事是“标准化”输入数据。当使用不同的采样率比较不同的数据时,这变得容易得多。
我只是自己进入DTW,还没有亲自使用下面提到的软件包,但希望以下内容对您有所帮助。
特别是Cran.R项目:•“ ts”是使用数字时间戳的规则间隔时间序列的基本类。•“ zoo”包为使用时间戳的任意类的规则和不规则间隔的时间序列提供基础结构。它被设计为与“ ts”尽可能一致。•动物园:用于定期和不定期时间序列的S3基础结构(Z的有序观测)
参考:http : //cran.r-project.org/web/views/TimeSeries.html和 http://cran.r-project.org/web/packages/zoo/index.html
最好的祝愿。