如何決定在DTW算法中使用哪個stepPattern

Question

對於使用DTW算法的stepPattern，我有點困惑。我不得不承認，一個月前，我不知道該算法的存在。

故事開始於特定類型的圖像比較。 正如您在下面看到的，是我選擇從圖像中提取「時間」序列數據的方式。

的想法是讓所有叉距離第一叉，因爲它播種。因此，對於兩個不同的圖像，您有兩個不同的距離值數組。 這個想法的一個關鍵點是這兩個數組的值是相互對應的。

通過的是，我的意思是兩個陣列的所述第一值不同於所述第二左叉到第一主叉（如播種與編號爲1的圖像中的）之間的距離等等...

通過有了這些值，我使用了DTW算法，通過使用R package。

這裏是我想要你的意見的地方。我想這在兩個方面：

A）非對稱

我使用的，因爲我是從什麼瞭解，我讀了你可以使用非對稱stepPattern如果你有相應的值來檢查。爲了與其他圖像的值爲1，與其他圖像的值2第一圖像的值2，依此類推比較第一圖像的價值1 ...

首先我運行這個

dist = dtw(F,K1,keep=TRUE,step.pattern = asymmetric) 

，然後我把它改變成

dist = dtw(K1,F,keep=TRUE,step.pattern = asymmetric) 

這兩個不同的執行返回我不同的距離值（dist$distance）。我不喜歡那樣，但正如我理解後者，結果必須預期，因爲該方法只改變了我的價值（X軸）（糾正我，如果我錯了）。

B）Symmetric1

之後我決定與在

dist = dtw(F,K1,keep=TRUE,step.pattern = symmetric1) 

和

dist = dtw(K1,F,keep=TRUE,step.pattern = symmetric1) 

返回相同的距離值（dist$distance）以不同的方式運行。

正如你所知道的，有更多的stepPatterns。所以根據我應該選擇stepPattern來處理我的案例？

謝謝。

Answer 1

你最好的選擇可能是symmetric2模式，該模式具有以下理想特性：

1. 這是衆所周知的，常用
2. 是對稱的，你可以理解欣賞
3. 它normalizable的屬性，所以你可以比較不同長度的對齊。

其他模式將缺少一個或多個上述屬性。