基于分段降维和路径修正DTW的时序特征分类器设计

来源：计算机应用杂志2018年第7期北京时间：

作者：常炳国, 臧虹颖

单位：湖南大学 信息科学与工程学院, 长沙 410082

摘要：针对传统的动态时间弯曲（DTW）度量方法易出现过度弯曲现象且计算复杂度高、算法效率低等问题，提出一种基于路径修正的动态时间弯曲（UDTW）度量方法。首先通过分段降维方法——分段局部最大值平滑法（PLM）有效提取序列特征信息，减少UDTW的计算代价；其次，考虑了时间序列形态特征的相似性要求，给过度弯曲路径设置动态惩罚系数，以此修正路径的弯曲程度；最后，在改进度量距离基础上，采用1-近邻分类算法对时序数据进行分类，以提高时间序列相似性度量的准确率和效率。实验结果表明，在15个UCR数据集上，UDTW度量方法与传统DTW度量方法相比具有更高的分类准确率，UDTW在其中3个数据集上能实现100%分类正确；与导数DTW（DDTW）度量方法相比，UDTW分类准确率最多提高了71.8%，而PLM-UDTW在不影响分类准确率的前提下执行时间减小了99%。

关键词：时间序列分类器,特征表示,动态时间弯曲,惩罚函数,相似性度量

基金资助：湖南省重点研发计划资助项目（2016GK2050）。