BriefGPT - AI 论文速递
·
评估时间序列数据的动态时间规整度量
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文提出了一种名为shapeDTW的改进算法，用于解决全局DTW算法匹配不合理的问题。该算法通过点对点的局部结构信息提高匹配的精度，并在最近邻分类器中的应用中表现出显著优势。在84个UCR时间序列数据集中，shapeDTW在64个数据集上优于DTW，并通过使用适当设计的局部结构描述符，在18个数据集上将准确率提高了10%以上。
🎯
关键要点
-
提出了一种名为shapeDTW的改进算法，解决全局DTW算法匹配不合理的问题。
-
shapeDTW通过点对点的局部结构信息提高匹配精度。
-
在84个UCR时间序列数据集中，shapeDTW在64个数据集上优于DTW。
-
使用适当设计的局部结构描述符，在18个数据集上将准确率提高了10%以上。
➡️
