답변:
지금까지 내가 이해에 의해 불규칙한 시계열 무슨 뜻 고르지 간격 시계열 이라고도, 불규칙 샘플링 시간 시리즈 . 나는 일반적으로 시계열에 대해 궁금하기 때문에 (그리고 지금 나의) 관심 주제에 대한 간단한 연구를 수행했습니다. 결과는 다음과 같습니다.
시계열 분석, 클러스터링 및 분류에서 DTW (Dynamic Time Warping) 접근 방식의 인기가 높음에도 불구하고 불규칙한 시계열은 DTW를 이러한 데이터 유형에 적용하는 데 몇 가지 문제를 제기합니다 (예 : 이 백서 및 이 백서 참조 ). 상대적으로 짧은 연구 노력을 바탕으로 DTW를 직접 적용하는 것이 불가능한지 여부는 명확하지 않습니다. 일부 연구 는 달리 제안합니다 ( 이 백서 / 장 참조 ). 좀 더 포괄적으로, 불규칙한 시계열에 대한 주제 논문 과 관련이있는 IMHO 우수성을 언급하고 싶습니다 .
그럼에도 불구하고이 주제는 주로 다음 두 가지 연구 흐름에 의해 다루어지는 것 같습니다 .
마지막으로, DTW에 중점을두고 불규칙한 시계열에 대해 위에서 언급 한 알고리즘 중 일부를 지원하는 연구 또는 시스템 구현에 사용할 수 있는 오픈 소스 소프트웨어 의 주제를 다루고 싶습니다 . 이러한 소프트웨어에는 Python / NumPy 기반 cDTW 모듈 프로젝트 와 GPU 중심 CUDA 기반 CUDA-DTW 프로젝트가 포함 됩니다. 들어 열광하는 포괄적 인 동적 타임 워프 프로젝트는 또한 (언급해야 해당 패키지를 R
dtw
CRAN에서 사용 가능). 비록 현재 불규칙한 시계열에 대해 많은 DTW 알고리즘을 지원하지는 않지만 (cDTW를 지원한다고 생각하지만)이 프로젝트가 DTW 알고리즘에 대한 포괄적 인 지원을 제공 할 때까지는 시간 문제라고 생각합니다. 데이터 주제를 연구하고이 게시물을 작성하는 것만큼이나 내 답변을 읽는 것이 즐거웠기를 바랍니다.
동적 서명 확인에 적용하여 'C'로 DTW를 성공적으로 구현했습니다. 나는 중국과 네덜란드 서명의 테스트 데이터베이스를 사용하여 EER을 확인했으며 매우 인상적인 결과를 얻었습니다. 현재 iPad에서 데모로 구현되었습니다. 내 알고리즘은 여러 공개 된 설명에서 직접 코딩했습니다. 코드를받을 수있는 방법이 있다면 코드를 공유하겠습니다. 성공에 기여한 한 가지는 입력 데이터를 '정규화'하는 것이 었습니다. 이것은 다른 샘플 속도를 사용하여 이종 데이터를 비교할 때 훨씬 쉬워졌습니다.
DTW에 들어가서 아래에 언급 된 패키지를 개인적으로 사용하지는 않았지만 다음 사항이 도움이되기를 바랍니다.
특히 Cran.R 프로젝트 : • "ts"는 숫자 타임 스탬프를 사용하여 규칙적으로 간격을 둔 시계열의 기본 클래스입니다. • "zoo"패키지는 타임 스탬프에 임의의 클래스를 사용하여 정기적으로 불규칙적으로 간격을 둔 시계열을위한 인프라를 제공합니다. "ts"와 최대한 일관되게 설계되었습니다. • 동물원 : 정기 및 불규칙 시계열을위한 S3 인프라 (Z의 순서 관찰)
참조 : http://cran.r-project.org/web/views/TimeSeries.html 및 http://cran.r-project.org/web/packages/zoo/index.html
최고의 소원.