python - Python 中关于 mlpy.dtw 包的两个问题？

Question

作为动态时间规整 (DTW) 的新手，我找到了它的 Python 实现 mlpy.dtw没有在非常详细的扩展中记录。我对它的返回值有一些疑问。

关于返回值dist？我有两个问题:

• 这里有错字吗？对于标准 DTW，文档说

Standard DTW as described in [Muller07], using the Euclidean distance (absolute value of the difference) or squared Euclidean distance (as in [Keogh01]) as local cost measure.

对于子序列 DTW，文件说

Subsequence DTW as described in [Muller07], assuming that the length of y is much larger than the length of x and using the Manhattan distance (absolute value of the difference) as local cost measure.

同一个所谓的“差的绝对值”对应两个不同的距离度量？

• 总距离？运行代码段后

  dist, cost, path = mlpy.dtw_std(x, y, dist_only=False)

dist 是一个值。 那么它是每个匹配对之间所有距离的总和吗？

Answer 1

是的，mlpy.dtw() 函数没有很好的文档记录。

• 第一个问题:这里没有错字。正如您在文档中看到的那样，欧氏距离、平方欧氏距离和曼哈顿距离与本地成本度量有关。在这种情况下，成本度量被定义为两个实际值(一维)之间的距离，请参阅 http://en.wikipedia.org/wiki/Dynamic_time_warping 中伪代码中的成本 .因此，在这种情况下，曼哈顿距离和欧几里德距离相同 ( http://en.wikipedia.org/wiki/Euclidean_distance#One_dimension )。不管怎样，在标准的dtw中，可以通过参数squared来选择欧氏距离(差的绝对值)或平方欧氏距离(差的平方):

>>> import mlpy
>>> mlpy.dtw_std([1,2,3], [4,5,6], squared=False) # Euclidean distance
9.0
>>> mlpy.dtw_std([1,2,3], [4,5,6], squared=True) # Squared Euclidean distance
26.0

• 第二个问题:dist 是时间序列 x 和 y 之间的非标准化最小距离扭曲路径。它是非标准化的 DTW 距离。您可以将其除以 len(X)+len(Y) 归一化。参见 http://www.irit.fr/~Julien.Pinquier/Docs/TP_MABS/res/dtw-sakoe-chiba78.pdf

干杯，大卫