r - 如何决定在 DTW 算法中使用哪个 stepPattern

Question

我对使用 DTW 算法的 stepPattern 有点困惑。

我不得不承认，一个月前我还不知道这个算法的存在。

所以故事从特定类型的图像比较开始。正如您在下面看到的，这是我选择从图像中提取“时间”序列数据的方式。

想法是在播种时获取从所有 fork 到第一个 fork 的距离。因此，对于两个不同的图像，您有两个具有距离值的不同数组。这个想法的一个关键点是这两个数组的值是相互对应的。

我的意思是，两个数组的第一个值是从第二个左叉到第一个主叉的距离(如图中编号 1 所示)等等...

通过使用这些值，我通过使用 R package 来使用 DTW 算法.

这是我想听取您的意见的地方。我尝试了两种方法:

A)不对称

我使用了它，因为正如我从阅读的内容中了解到的那样，如果您有相应的值要检查，则可以使用非对称 stepPattern。将第一张图像的值 1 与另一张图像的值 1 进行比较，将第一张图像的值 2 与另一张图像的值 2 进行比较，依此类推...

首先我运行这个

dist = dtw(F,K1,keep=TRUE,step.pattern = asymmetric)

然后我把它改成了那个

dist = dtw(K1,F,keep=TRUE,step.pattern = asymmetric)

这两个不同的执行返回了不同的距离值 (dist$distance)。我不喜欢那样，但据我所知，结果必须是预期的，因为该方法仅通过 i 值(x 轴)改变(如果我错了请纠正我)。

B) 对称 1

在那之后我决定用不同的方式运行它

dist = dtw(F,K1,keep=TRUE,step.pattern = symmetric1)

和

dist = dtw(K1,F,keep=TRUE,step.pattern = symmetric1)

返回相同的距离值 (dist$distance)。

如您所知，不止这些 stepPatterns。那么我应该根据什么为我的案例选择 stepPattern？

谢谢。

Answer 1

最好的选择可能是 symmetric2 模式，它具有以下理想特征:

1. 众所周知且常用
2. 它是对称的，这是您可以理解的特性
3. 它是可标准化的，因此您将能够比较不同长度的比对。

其他模式将缺少上述一个或多个属性。