问题标签 [dtw]

这个问题与这篇文章有关： 如何在 R 中的多个时间序列上应用 dtw 算法？

原始帖子的数据框仅包含 1 个感兴趣的变量：speed.kph.ED.

根据公认答案的建议，以下是使用 dtw 计算 3 辆汽车（3 个时间序列）之间距离的程序：

我想知道如果在计算 3 辆汽车（3 个时间序列）之间的距离时我还想考虑另外两个变量怎么办？

例如，假设我还有另外 2 个变量score.kph.ED和rating.kph.ED：

现在，3 辆车之间的距离不仅基于 计算speed.kph.ED，而且基于score.kph.ED和rating.kph.ED。

如何修改现有代码以实现此目标？

非常感谢你的帮助！

我在这里阅读了DTW计算的功能： https ://tslearn.readthedocs.io/en/stable/user_guide/dtw.html

在我看来，以下两行之一出错了：

或者对于 [0] 和 [1] 上的简单 dtw，您不会有 1 作为答案。所以两种可能的更正：

或者

如果我们想概括它，我认为这是第二种解决方案。

我正在尝试在 PyCharm 中运行 Jupyter 脚本。该脚本需要 +- 2 小时才能运行。当我第一次运行它时，我的内存用完了，我退出了 pyCharm。我从我的 PC 中删除了一些文件并再次启动了 PyCharm。当我打开我的脚本并再次运行代码时，它给了我一个错误：突然它不再识别我的类“Progressbar”，而它在我第一次运行脚本时识别它。我以前没有这个错误。有谁知道这里发生了什么？

这是脚本：

错误代码：

在时间序列分析中，动态时间扭曲(DTW)是用于测量两个时间序列之间相似性的算法之一，其速度可能会有所不同。快速DTW是一种更快的方法。我想知道如何不仅在 2 个信号之间，而且在 3 个或更多信号之间实现这种方法。

所以，基本上我有大量基于单词的数据集。每个数据绝对具有不同的时间长度。

这是我的方法：

1. 标记给定的数据集
2. 对训练数据 (80%) 和测试数据 (20%) 使用分层 KFold 拆分数据
3. 使用 MFCC 提取幅度、频率和时间
4. 因为来自 MFCC 提取的每个数据的时间序列都不同，所以我想使用 DTW 使所有数据的时间维度长度完全相同。
5. 然后我将使用 DTW 数据通过神经网络对其进行训练。

我的问题是：

1. 我的方法，尤其是在第四步中的方法是否正确？
2. 如果我的方法是正确的，我如何将每个音频转换为与 DTW 相同的长度？因为基本上我只能比较 MFCC 数据的两个音频，当我尝试更改为其他音频数据时，长度的结果将完全不同。

使用动态时间扭曲时如何指定单调性约束（一个时间序列不应出现在另一个之前）？

例如，我有成本和收入数据；一个应该影响另一个，但反之则不然。我正在使用基本的dtw包，但我知道还有很多其他包可能会更好。下面是我目前的对齐方式。

（我想把对应的收入点单独存一栏，可以吗？）

感谢您的帮助！

我已经使用带有 sci-kit learn 的自定义 DTW 指标实现了 KNN，如下所示：

此外，我还为模板匹配实现了独立的 DTW，如下所示：

DTW 的两种实现都使用相同的“快速 dtw”库。我进行了一项测试来计算每种算法计算预测所需的时间，结果表明 kNN-DTW 比独立 DTW 更快。独立 DTW（二次时间复杂度）不应该比 kNN-DTW（三次时间复杂度）更快吗？这是因为我的 DTW 实现中的错误吗？

我从各种在线资源中发现 DTW 的时间复杂度是二次的。另一方面，我还发现标准 kNN 具有线性时间复杂度。但是，将它们配对时，kNN-DTW 是二次时间还是三次时间？

本质上，kNN 的时间复杂度是否仅取决于所使用的度量？我还没有找到任何明确的答案。

所以我可以找到很多关于 DTW for python 的指南，它们可以正常工作。但我需要将代码翻译成 C，但我已经一年多没有写 C 代码了。

所以在 C 代码中我有这两个数组

而且我要使用 DTW 来比较数组的右侧codeLock(n)(1) / code(m)(1)，所以 1..5 不应该看。

但是是的..

在 python 中，我有两个函数，euclidean distance其中一个是：

另一个用于accumulated cost：

这段代码来自我遵循的指南，以了解 DTW 如何工作，但它在 python 中，我需要它在 C 中。

这可以很容易地在 python 中进行测试，如下所示：

这是我的输出

我也调查过fastdtw，然后我的测试看起来像这样

这是我的输出

你们有谁知道哪里有关于如何在 C 中完成所有这些操作的 GitHub/指南？因为这对我有很大帮助。如果您愿意帮助我翻译这段代码，我当然会很感激。

我拿了两个音频文件。第一个音频文件由可能出现在第二个文件中的短语组成，这意味着第一个音频文件中出现的短语是由第二个音频中的扬声器说出的，直到现在我已经通过使用语音到文本转换库将这些文件转换为文本并找出短语是否通过标记音频文件在第二个音频中是否存在现在我想通过使用动态时间包装来检查这个短语是在哪个时间段说出的，但找不到执行此操作的方法