如何决定在 DTW 算法中使用哪个 stepPattern
How to decide which stepPattern to use in DTW algorithm
我对使用 DTW 算法的 stepPattern 有点困惑。
不得不承认，一个月前我还不知道这个算法的存在。
所以故事从特定类型的图像比较开始。
正如您在下面看到的，这是我选择从图像中提取 "time" 系列数据的方式。
想法是在播种时获取从所有叉子到第一个叉子的距离。因此，对于两个不同的图像，您有两个具有距离值的不同数组。
这个想法的一个关键点是这两个数组的值是相互对应的。
我的意思是，两个数组的第一个值是从第二个左叉到第一个主叉的距离（如图中编号 1 所示）等等...
通过使用这些值，我通过使用 R package 来使用 DTW 算法。
这是我想听取您的意见的地方。我尝试了两种方法：
A) 不对称
我使用了它，因为正如我从阅读的内容中了解到的那样，如果您有相应的值要检查，则可以使用非对称 stepPattern。将第一张图像的值 1 与另一张图像的值 1 进行比较，将第一张图像的值 2 与另一张图像的值 2 进行比较，依此类推...
首先我运行这个
dist = dtw(F,K1,keep=TRUE,step.pattern = asymmetric)
然后我把它改成了那个
dist = dtw(K1,F,keep=TRUE,step.pattern = asymmetric)
这两个不同的执行返回了不同的距离值 (dist$distance)。我不喜欢那样，但据我所知，结果必须是预期的，因为该方法仅通过 i 值（x 轴）改变（如果我错了请纠正我）。
B) 对称 1
之后我决定 运行 用不同的方式
dist = dtw(F,K1,keep=TRUE,step.pattern = symmetric1)
和
dist = dtw(K1,F,keep=TRUE,step.pattern = symmetric1)
returns相同距离值(dist$distance).
如您所知，stepPatterns 不止这些。那么我应该根据什么为我的案例选择 stepPattern？
谢谢。
最好的选择可能是 symmetric2 模式，它具有以下理想特征：
- 众所周知且常用
- 它是对称的，属性你可以理解地欣赏
- 它是可标准化的，因此您将能够比较不同长度的对齐方式。
其他模式将缺少上述一种或多种特性。
我对使用 DTW 算法的 stepPattern 有点困惑。
不得不承认，一个月前我还不知道这个算法的存在。
所以故事从特定类型的图像比较开始。 正如您在下面看到的，这是我选择从图像中提取 "time" 系列数据的方式。
想法是在播种时获取从所有叉子到第一个叉子的距离。因此，对于两个不同的图像，您有两个具有距离值的不同数组。 这个想法的一个关键点是这两个数组的值是相互对应的。
我的意思是，两个数组的第一个值是从第二个左叉到第一个主叉的距离（如图中编号 1 所示）等等...
通过使用这些值，我通过使用 R package 来使用 DTW 算法。
这是我想听取您的意见的地方。我尝试了两种方法：
A) 不对称
我使用了它，因为正如我从阅读的内容中了解到的那样，如果您有相应的值要检查，则可以使用非对称 stepPattern。将第一张图像的值 1 与另一张图像的值 1 进行比较，将第一张图像的值 2 与另一张图像的值 2 进行比较，依此类推...
首先我运行这个
dist = dtw(F,K1,keep=TRUE,step.pattern = asymmetric)
然后我把它改成了那个
dist = dtw(K1,F,keep=TRUE,step.pattern = asymmetric)
这两个不同的执行返回了不同的距离值 (dist$distance)。我不喜欢那样，但据我所知，结果必须是预期的，因为该方法仅通过 i 值（x 轴）改变（如果我错了请纠正我）。
B) 对称 1
之后我决定 运行 用不同的方式
dist = dtw(F,K1,keep=TRUE,step.pattern = symmetric1)
和
dist = dtw(K1,F,keep=TRUE,step.pattern = symmetric1)
returns相同距离值(dist$distance).
如您所知，stepPatterns 不止这些。那么我应该根据什么为我的案例选择 stepPattern？
谢谢。
最好的选择可能是 symmetric2 模式，它具有以下理想特征：
- 众所周知且常用
- 它是对称的，属性你可以理解地欣赏
- 它是可标准化的，因此您将能够比较不同长度的对齐方式。
其他模式将缺少上述一种或多种特性。