我正在尝试自动从时间序列中提取特征并学习模式。然而，某些算法期望训练样本在时间上对齐。使用 DTW（动态时间扭曲）- 算法或其子类型之一，可以通过在时间维度上扭曲时间序列来对齐时间序列，以适应平均序列。各个时间序列将具有任意长度（50 - 10000 个数据点），而无法预见沿时间轴的最大偏移（这对处理时间有负面影响）。
关于计算复杂性（DTW 的 O(N^2)），我可以使用哪些替代方案或更改来使 alignmet 实时可行？
任何帮助，将不胜感激。谢谢！
我正在尝试自动从时间序列中提取特征并学习模式。然而，某些算法期望训练样本在时间上对齐。使用 DTW（动态时间扭曲）- 算法或其子类型之一，可以通过在时间维度上扭曲时间序列来对齐时间序列，以适应平均序列。各个时间序列将具有任意长度（50 - 10000 个数据点），而无法预见沿时间轴的最大偏移（这对处理时间有负面影响）。
关于计算复杂性（DTW 的 O(N^2)），我可以使用哪些替代方案或更改来使 alignmet 实时可行？
任何帮助，将不胜感激。谢谢！