一种基于下界函数与全局约束的快速自适应动态时间规整方法

本发明涉及动态时间规整，尤其涉及一种基于下界函数与全局约束的快速自适应动态时间规整方法。

背景技术：

1、随着采集设备和传感器的爆炸性增长，时间序列在许多场景中(例如多媒体，遥感，物理学，经济学，临床医学，生物人口学等)变得越来越有应用价值。时间序列还具有充分捕捉观测对象变化过程的优势，因此在时间序列中，不仅特定的时间点信息很重要，整个信息随时间的演变也同样重要。时间序列分析的一个基本任务是量化两个数字序列之间的相似性(或相异性)。这种距离度量的性能对于许多数据挖掘工作都是至关重要的，例如分类，聚类，检索等。在时间序列数据中，通常的距离度量如欧几里得距离往往不适合，因为在时间序列中普遍存在时间偏移或时间扭曲。

2、动态时间规整(dtw)目前广泛用于距离度量，最初用于文本数据匹配和模式识别领域。由于dtw可以进行弹性度量，可以被引入时间序列挖掘和分类，使用dtw来对齐不同长度的序列，然而为了获得最小累积距离，dtw距离可能会将一个时间序列上的多个点映射到另一个时间序列上的一个点，这使得时间序列过度拉伸和压缩，导致丢失重要的特征信息，甚至导致奇异性。奇异性的存在是病理性排列的主要特征，显然这种对齐不是所期望的“正确”对齐，“正确”是指直观上明显的“特征对特征”对齐，这种对齐极大地影响了相似性度量的准确性。因此为了抑制病态对齐现象，提高时间序列之间的相似性度量效果，现有技术还提出了一种考虑惩罚函数的自适应约束动态时间规整(acdtw)算法。acdtw算法可以调整映射到另一个时间序列上的点的数量，记录所有点的轨迹，然后通过在下一步计算惩罚函数，自适应地将损失分配给每个点。相比于其他改进算法如权重dtw、窗口限制sakoe-chibaband、itakura parallelogram band、learned window、改进进步模式step pattern，加权ddtw等，acdtw算法不需要人为设置参数，自适应的计算权重，合理分配点的对齐数量，保留局部对齐的灵活性，抑制了“病态对齐”现象。

3、但现有技术的acdtw算法虽然可以有效缓解时间序列对齐过程中的奇点现象，但是相较于原始算法多出了更多的计算步骤，在每一步都要计算一次权重并参与到acdtw的计算中去，另外还要记录每个点的使用次数，这大大增加了计算量，使得acdtw算法执行效率较低，并且acdtw并没有与一些优秀的dtw加速方式相结合，这极大限制了acdtw的应用场景。

技术实现思路

1、本发明的目的是提供一种基于下界函数与全局约束的快速自适应动态时间规整方法(lg-fast-acdtw)，该方法针对传统acdtw算法开销大、执行速度慢的问题，引入了下界函数与全局约束，降低了算法循环内部的计算步骤，实现加速，极大提高了算法运行效率。

2、本发明的目的是通过以下技术方案实现的：

3、一种基于下界函数与全局约束的快速自适应动态时间规整方法，所述方法包括：

4、步骤1、通过优化原acdtw算法中点使用次数记录矩阵的赋值策略，减少对矩阵的操作次数，并将所比较序列等长与不等长的两种情况分开，分别使用不同的计算策略；

5、步骤2、通过引入下界函数，过滤掉部分不符合要求的序列；

6、步骤3、通过引入全局约束，减少需要计算的点的数量。

7、由上述本发明提供的技术方案可以看出，上述方法针对传统acdtw算法开销大、执行速度慢的问题，引入了下界函数与全局约束，降低了算法循环内部的计算步骤，实现加速，极大提高了算法运行效率。

技术特征：

1.一种基于下界函数与全局约束的快速自适应动态时间规整方法，其特征在于，所述方法包括：

2.根据权利要求1所述基于下界函数与全局约束的快速自适应动态时间规整方法，其特征在于，在步骤1中，具体通过如下公式优化原acdtw算法中点使用次数记录矩阵的赋值策略：

3.根据权利要求1所述基于下界函数与全局约束的快速自适应动态时间规整方法，其特征在于，在步骤2中，所引入的下界函数是一种dtw距离估算方法，先用下界函数在数据集中执行粗略搜索,过滤掉不满足相似性要求的序列,得到候选集；然后在候选集中采用下界距离进行筛选,从而获得搜索结果；

4.根据权利要求1所述基于下界函数与全局约束的快速自适应动态时间规整方法，其特征在于，在步骤3中，为防止全局约束影响fast-acdtw的对齐效果，所选择的全局约束条件为sakoe-chiba band，具体来说：

技术总结
本发明公开了一种基于下界函数与全局约束的快速自适应动态时间规整方法，所述方法包括：通过优化原ACDTW算法中点使用次数记录矩阵的赋值策略，减少对矩阵的操作次数，并将所比较序列等长与不等长的两种情况分开，分别使用不同的计算策略；通过引入下界函数，过滤掉部分不符合要求的序列；通过引入全局约束，减少需要计算的点的数量。上述方法针对传统ACDTW算法开销大、执行速度慢的问题，引入了下界函数与全局约束，降低了算法循环内部的计算步骤，实现加速，极大提高了算法运行效率。

技术研发人员：曹丹阳,刘迪,高磊,林子峰
受保护的技术使用者：北方工业大学
技术研发日：
技术公布日：2024/2/19