마지막 학업을 위해 GPS 궤도에 대한 압축 알고리즘을 개발했습니다. 압축과 원래 궤적 사이의 동기화 된 유클리드 거리 (SED) 를 계산하여 시공간 압축의 품질을 추정하고 잘 알려진 압축 알고리즘에 대해 알고리즘의 성능을 평가할 수 있습니다.
광산과 같은 시공간 알고리즘은 가능한 한 많은 시간 정보를 유지하려는 궤도를 줄입니다. 공간 알고리즘 (예 : Douglas-Peucker 알고리즘)은 공간 특성 만 참조하는 압축을 실현합니다.
지금 무슨 일이 일어나는거야? 시공간 측면을 고려할 때 내 알고리즘은 DP보다 낫습니다. SED 측정으로이를 보장 할 수 있습니다. 세 가지 궤적 (원본, 광산 및 DP 압축)을 플로팅하면 DP로 압축 된 궤적이 원래 궤적에 더 잘 맞습니다. 눈 전용 측정은 내 요구를 충족시키지 못합니다. 실제로 DP 알고리즘이 내 방식보다 어떻게 공간 방식에서 더 나은지를 수치로 보여주는 오류 메트릭이 필요합니다.
"시공간적 요소를 언급 할 때 DP의 SED 계수보다 SED 계수가 낮기 때문에 알고리즘이 DP보다 낫습니다. 아아, 단순한 공간 계수는 DP 알고리즘에 상을줍니다 (새로운 메트릭의 이름). "나보다 낫다".
나는 수직 유클리드 거리에 대해 생각하고 있었지만 이것이 유용 할 수 있는지 정말로 모른다. 다이나믹 타임 워핑? 어떤 통계를 사용할 수 있습니까?