May, 2024

SM-DTW：用于签名验证的稳定调节的动态时间规整

PDF
TL;DR基于计算模型的书写学习和执行研究结果，我们引入了稳定性的概念来解释被试的签名在多次执行过程中实际运动的差异，并推测在签名验证过程中，签名的最稳定部分应该在评估被质疑签名与参考签名之间的相似性方面起着重要作用。我们随后引入了稳定区域调制动态时间规整算法，将稳定区域（即两个签名之间最相似的部分）纳入由动态时间规整算法计算的一对签名之间的距离度量中，用于签名验证。我们在两个用于性能评估的数据集上进行了实验。实验结果显示，所提出的算法改进了基准系统的性能，并与其他表现优异的签名验证系统相比具有可比性。
computational modelhandwriting learningstabilitysignature verificationdynamic time warping
发现论文，激发创造
  • 深度关注时间扭曲

    本文提出了一种神经网络模型来进行任务自适应时间对齐，使用注意力模型开发了一个明确的具有更大畸变不变性的时间对齐机制，并通过度量学习进行训练，与传统的基于 DTW 的可学习模型不同，它能够学习目标任务的最佳数据相关对齐，实验证明了我们模型在在线签名验证方面的超过 DTW 并且创造了最先进的性能。

    Sep, 2023

  • 动态时间规整在时间序列回归中的影响案例研究

    本文研究了使用 Dynamic Time Warping 方法对光谱时间序列数据进行相似性比对，并发现结合 k-Nearest Neighbour 算法可以提高准确性，但当数据跨越多个波长时，如果使用了平均值和方差等数据聚合统计方法，DTW 的效果将不明显，因此在机器学习中，有时候大数据胜过复杂模型。

    Oct, 2020

  • 基于专家增强的动态时间规整的异常检测

    我们提出了一种名为 E-DTWA 的新颖异常检测方法，它基于动态时间规整（DTW）算法，并加入了人在环路概念的额外改进，其主要优点包括高效的检测、基于专家检测反馈的灵活再训练以及低计算和空间复杂度。

    Oct, 2023

  • shapeDTW: 形状动态时间规整

    为解决全局 DTW 算法匹配不合理的问题，本文提出一种名为 shapeDTW 的改进算法，它根据点对点的局部结构信息来提高匹配的精度。当 shapeDTW 作为距离度量用于最近邻分类器时，它在 84 个 UCR 时间序列数据集的 64 个上显著优于 DTW，并且通过使用适当设计的局部结构描述符，在 18 个数据集上将准确率提高了 10% 以上。

    Jun, 2016

  • 评估时间序列数据的动态时间规整度量

    综合评估了不同动态时间规整测度在时间序列数据处理任务中的性能，并提出了基于变异类型选择适当动态时间规整测度的指南。

    Feb, 2024

  • 矩阵剖面 XXII: 在动态时间规整下精确发现时间序列模式

    本文介绍了一种可扩展的准确方法，用于使用动态时间扭曲 (DTW) 发现时间序列 Motifs，该方法可以在时间和较低下限的紧密度之间自动执行最佳权衡，并且在现实设置下，该算法可以删除多达 99.99％的 DTW 计算。

    Sep, 2020

  • 使用动态时间规整进行指令条件导航的综合评估

    本研究提出了一种新的度量方式 “normalized Dynamic Time Warping（nDTW）”，通过对 agent 的运动轨迹与参照路线的对比，较好地解决了以往评估方式的缺陷，该方法在各方面表现优异，且应用于强化学习导航智能体上可显著提高其性能。

    Jul, 2019

  • 一种基于多元抽象和区间动态时间扭曲的相似性测量方法，在纵向医疗记录中的实现和评估

    该研究使用区间动态时间规整法（iDTW）从医学记录中提取数据特征，实现肿瘤、乙肝和糖尿病患者记录的分类和预测，并比较使用抽象数据与原始时间戳数据间的性能差异。

    May, 2021

  • 时间序列分析的同胚变换：非线性扭曲的高效方法

    这篇论文提出了一种新颖的弹性对齐方法，采用参数化和可微分的扭曲变换来克服动态时间规整（DTW）度量的不足，该方法适用于深度学习架构，鲁棒性强，具有计算效率高、表达和灵活性强等优点。

    Sep, 2023

  • 可训练时间扭曲：在连续时间域中对齐时间序列

    本论文介绍一种新的可训练时间扭曲算法（TTW），该算法的时间复杂度线性增长，其使用 sinc 卷积核和梯度优化技术在连续时间域内执行对多个时间序列的对齐， 并在对 85 个 UCR 数据集的时间序列平均和分类任务中表现比广义时间扭曲（GTW）更优秀。

    Mar, 2019