Korzystam z dynamicznego dopasowywania czasu, aby dopasować „zapytanie” i krzywą „szablonu” i jak dotąd mam rozsądny sukces, ale mam kilka podstawowych pytań:
Oceniam „dopasowanie”, oceniając, czy wynik DTW jest mniejszy niż pewna wartość progowa, którą wymyślam heurystycznie. Czy to jest ogólne podejście do określania „dopasowania” za pomocą DTW? Jeśli nie, proszę wyjaśnić ...
Zakładając, że odpowiedź na (1) brzmi „tak”, to się mylę, ponieważ wynik DTW jest dość wrażliwy na a) różnicę amplitud krzywych ib) długość wektora zapytania i długość „ szablon „wektor.
Używam symetrycznej funkcji kroku, więc dla (b) normalizuję mój wynik DTW dzieląc przez M + N (szerokość + wysokość macierzy DTW). Wydaje się to być dość skuteczne, ale wydaje się, że penalizowałoby dopasowania DTW, które są dalej od przekątnej (tj. Które mają dłuższą ścieżkę przez macierz DTW). Co wydaje się dość arbitralne w przypadku podejścia „normalizacyjnego”. Dzielenie liczby kroków przez matrycę wydaje się mieć intuicyjny sens, ale według literatury nie wydaje się, aby tak było.
Czy jest więc lepszy sposób na dostosowanie wyniku DTW do wielkości wektorów zapytań i szablonów?
Wreszcie, jak znormalizować wynik DTW dla różnicy amplitud między zapytaniem a wektorami szablonowymi?
Ponieważ jednak, biorąc pod uwagę brak wiarygodnych technik normalizacji (lub mój brak zrozumienia), wydaje się, że praca z przykładowymi danymi w celu zidentyfikowania najlepszego poziomu progu dla zdefiniowania „dopasowania” wymaga dużego wysiłku ręcznego. Czy coś brakuje?
źródło