如何解决具有时间感知/可变Sakoe-Chiba半径的DTW
我正在将两个不规则间隔时间序列与DTW的tslearn
实现进行比较。由于两个时间序列都是非常不规则的采样,并且它们的采样没有相关性,因此,如果要定期采样时间序列,我想使用Sakoe-Chiba半径将比较观测的范围限制为一小时(例如),可以说,以1分钟为间隔,我将使用等于60的Sakoe-Chiba半径,但是我没有此类数据,因此应该存在比数据操作(插值到1分钟时间间隔)更自然的解决方案,例如变量Sakoe-Chiba半径(每个观测值具有不同的S-Ch半径,预先计算以获得1小时约束的等效值),是否存在与恒定S-Ch半径相比计算效率低的原因?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。