多尺度Dubuc：一种新的时间序列相似性度量

本研究解决了时间序列分析中量化相似性的挑战，提出了一种新颖的多尺度Dubuc距离（MDD）度量，结合了分形分析中Dubuc变化的概念与广泛应用于物体识别的交并比（IoU）度量。研究表明，尽管MDD在性能上与动态时间规整（DTW）相当，且在特定数据集上可显著提升效果，其运行时间随着时间序列长度线性增加，显示出在处理大规模数据集中的潜在应用价值。