Déformation temporelle dynamique pour les séries chronologiques irrégulières

J'ai lu beaucoup de choses sur Dynamic Time Warping (DTW) récemment. Je suis très surpris qu'il n'y ait aucune littérature sur l'application du DTW aux séries chronologiques irrégulières, ou du moins je n'ai pas pu le trouver.

Quelqu'un pourrait-il me donner une référence à quelque chose en rapport avec ce problème, ou peut-être même une mise en œuvre de celui-ci?

Autant que je sache, par séries chronologiques irrégulières, vous voulez dire des séries chronologiques inégalement espacées , également appelées séries chronologiques échantillonnées de manière irrégulière . Comme je suis curieux de connaître les séries chronologiques en général, j'ai effectué une brève recherche sur le sujet de votre intérêt (et maintenant le mien). Les résultats suivent.

Malgré la grande popularité de l' approche de distorsion temporelle dynamique (DTW) dans l'analyse, le regroupement et la classification des séries temporelles, les séries temporelles irrégulières présentent certains défis pour l'application directe de DTW à ce type de données (par exemple, voir cet article et cet article ). Sur la base de mes efforts de recherche relativement brefs, il n'est pas totalement clair pour moi, s'il est impossible d'appliquer directement DTW, comme certaines recherches suggèrent le contraire (voir également ce document / chapitre ). Pour plus d'exhaustivité, je voudrais également mentionner une IMHO excellente et pertinente pour la thèse sur les séries chronologiques irrégulières .

Néanmoins, il semble que ce sujet soit principalement couvert par les deux volets de recherche suivants :

• proposer et évaluer des approches, alternatives au DTW , telles que celles basées sur des modèles (voir cet article et cet article );
• proposer et évaluer des approches DTW modifiées , telles que cDTW , EDR , ERP , TWED , transformations d'enveloppe , CDTW ( DTW continu - à ne pas confondre avec cDTW - DTW contraint !) et d'autres variantes (par exemple, voir cet article ). Un aperçu des approches susmentionnées et des résultats de certaines comparaisons empiriques peut être trouvé dans cet article .

Enfin, je voudrais aborder le sujet des logiciels open source , disponibles pour la recherche ou la mise en œuvre de systèmes , axés sur DTW et prenant en charge certains des algorithmes susmentionnés pour les séries chronologiques irrégulières. Ces logiciels incluent le projet de module cDTW basé sur Python / NumPy ainsi que le projet CUDA-DTW basé sur GPU et basé sur CUDA . Pour les passionnés, il convient également de mentionner un projet Dynamic Time Warp complet ( package correspondant R dtwest disponible sur CRAN). Même s'il ne prend pas en charge de nombreux algorithmes DTW pour les séries chronologiques irrégulières pour le moment (même si je pense qu'il prend en charge cDTW), je pense que ce n'est qu'une question de temps jusqu'à ce que ce projet offre un support plus complet pour les algorithmes DTW, axés sur ce type des données. J'espère que vous avez apprécié la lecture de ma réponse autant que la recherche sur le sujet et la rédaction de cet article.

J'ai réussi à implémenter DTW en «C» appliqué à la vérification de signature dynamique. J'ai utilisé une base de données de test de signatures chinoises et néerlandaises pour vérifier l'EER et j'ai obtenu des résultats très impressionnants. Il est actuellement implémenté en démo sur iPad. Mon algorithme a été codé à la main à partir de plusieurs descriptions publiées. Je partagerai le code s'il existe un moyen de vous le faire parvenir. Une chose qui a également contribué au succès a été la «normalisation» des données d'entrée. Cela a beaucoup facilité la comparaison de données disparates à l'aide de différents taux d'échantillonnage.

Je viens juste d'entrer dans DTW moi-même et je n'ai pas personnellement utilisé les packages mentionnés ci-dessous, mais j'espère que les éléments suivants peuvent vous aider.

Le projet Cran.R, en particulier: • "ts" est la classe de base pour les séries temporelles régulièrement espacées utilisant des horodatages numériques. • Le package "zoo" fournit une infrastructure pour des séries temporelles régulièrement ET IRRÉGULIÈREMENT espacées utilisant des classes arbitraires pour les horodatages. Il est conçu pour être aussi cohérent que possible avec les "ts". • zoo: infrastructure S3 pour les séries chronologiques régulières et irrégulières (observations ordonnées de Z)

Références: http://cran.r-project.org/web/views/TimeSeries.html et http://cran.r-project.org/web/packages/zoo/index.html

Meilleurs vœux.

TSdist a une fonction qui détermine la distance à travers dtw. Il accepte les séries chronologiques irrégulières du zoo