time-series - 动态时间扭曲和归一化

Question

我想做一个时间序列聚类任务。假设我们有四个数据 (t1~t4)。

t1={1,1,1,1,1,1,1}

t2={10,10,10,10,10,10,10}

t3={100,100,100,100,100,100,100}

t4 = {1,5,9,13,17,21,25}

这里，我在这个例子背后的意图是我想将 t1、t2、t3 组合在一起，因为它的形状是一条固定的线。然而，t4 看起来像上升线，所以它应该在其他组中。

但是，如果我使用 DTW(python mlpy 包)计算 t1 和其他节点之间的距离，我得到的结果如下:

t1-t1: 0 (absolutely)

t1-t2: 63

t1-t3: 693

t1-t4: 84

正如我们所见，t1-t3 之间的距离远大于 t1-t4 之间的距离。我猜这是因为 t3 的振幅比其他的大得多。

在这种情况下，在调整 DTW 之前对每个时间序列数据使用 min-max 归一化(即 0 到 1 归一化)是否是一种好方法？也就是说，让t1,t2,t3为{0,0,0,0,0,0,0}，t4为{0,0,17,....,1}？然后，DTW 返回我想要的结果。

很快，我想知道在 DTW 之前规范化任务的适用性。我是 DTW 的新手，很抱歉用基本问题打扰您! :)

Answer 1

不，你应该做 z-normalization。

零一归一化对单个异常值非常敏感

来源http://www.cs.unm.edu/~mueen/DTW.pdf