मैं हाल ही में डायनामिक टाइम वार्पिंग (DTW) के बारे में बहुत कुछ पढ़ रहा हूं। मुझे बहुत आश्चर्य है कि अनियमित समय श्रृंखला के लिए DTW के आवेदन पर कोई साहित्य नहीं है, या कम से कम मुझे यह नहीं मिला।
क्या कोई मुझे उस मुद्दे से संबंधित किसी चीज़ का संदर्भ दे सकता है, या शायद इसे लागू भी कर सकता है?
जवाबों:
जहां तक मैं समझता हूं, अनियमित समय श्रृंखला से आपका मतलब असमान रूप से समय श्रृंखला से है , जिसे अनियमित रूप से नमूने वाली श्रृंखला भी कहा जाता है । चूंकि मैं सामान्य रूप से समय श्रृंखला के बारे में उत्सुक हूं, इसलिए मैंने आपकी (और अब मेरी) रुचि के विषय पर एक संक्षिप्त शोध किया है। परिणाम का पालन करें।
समय श्रृंखला विश्लेषण, क्लस्टरिंग और वर्गीकरण में डायनामिक टाइम वॉरपिंग (डीटीडब्ल्यू) दृष्टिकोण की उच्च लोकप्रियता के बावजूद , अनियमित समय श्रृंखला इस तरह के डेटा प्रकार (उदाहरण के लिए, इस पेपर और इस पेपर को देखें ) के लिए डीटीडब्ल्यू के प्रत्यक्ष आवेदन के लिए कुछ चुनौतियां पेश करती हैं । मेरे अपेक्षाकृत संक्षिप्त शोध प्रयासों के आधार पर, यह मेरे लिए पूरी तरह से स्पष्ट नहीं है, कि क्या DTW को सीधे लागू करना असंभव है, क्योंकि कुछ शोध अन्यथा सुझाव देते हैं ( इस पत्र / अध्याय को भी देखें )। अधिक व्यापकता के लिए, मैं अनियमित समय श्रृंखला पर विषय शोध प्रबंध के लिए उत्कृष्ट और प्रासंगिक IMHO का उल्लेख करना चाहूंगा ।
फिर भी, ऐसा लगता है कि यह विषय अधिकतर निम्नलिखित दो शोध धाराओं द्वारा कवर किया गया है :
अंत में, मैं ओपन सोर्स सॉफ्टवेयर के विषय पर , अनुसंधान या सिस्टम कार्यान्वयन के लिए उपलब्ध , डीटीडब्ल्यू पर ध्यान केंद्रित करना और अनियमित समय श्रृंखला के लिए उपर्युक्त कुछ एल्गोरिदम का समर्थन करना चाहूंगा । इस तरह के सॉफ्टवेयर शामिल हैं अजगर / NumPy आधारित cDTW मॉड्यूल परियोजना के साथ-साथ GPU केंद्रित CUDA आधारित CUDA-DTW परियोजना । के लिए Rउत्साही, एक व्यापक गतिशील टाइम वार्प परियोजना भी उल्लेख किया जाना चाहिए ( इसी पैकेज dtwCRAN पर उपलब्ध है)। भले ही यह इस समय अनियमित समय श्रृंखला के लिए कई DTW एल्गोरिदम का समर्थन नहीं कर सकता है (हालांकि मुझे लगता है कि यह cDTW का समर्थन करता है), मुझे लगता है कि यह केवल समय की बात है जब तक कि यह परियोजना DTW एल्गोरिदम के लिए अधिक व्यापक समर्थन की पेशकश नहीं करेगी, इस तरह के लिए केंद्रित है आंकड़े का। मुझे उम्मीद है कि आपको मेरा उत्तर पढ़ने में उतना ही मजा आया होगा, जितना मुझे इस विषय पर शोध करने और इस पोस्ट को लिखने में मिला है।
मैंने डायनामिक सिग्नेचर वेरिफिकेशन के लिए लागू 'C' में DTW को सफलतापूर्वक लागू किया है। मैंने EER को सत्यापित करने के लिए चीनी और डच हस्ताक्षरों के परीक्षण डेटा बेस का उपयोग किया और बहुत प्रभावशाली परिणाम प्राप्त किए। यह वर्तमान में एक iPad पर एक डेमो के रूप में लागू किया गया है। मेरा एल्गोरिथ्म कई प्रकाशित विवरणों से हाथ से कोडित किया गया था। अगर आपके पास इसे प्राप्त करने का कोई तरीका है तो मैं कोड साझा करूंगा। एक चीज जिसने सफलता में योगदान दिया, वह इनपुट डेटा को 'सामान्यीकृत' करना था। विभिन्न नमूना दरों का उपयोग करते हुए असमान डेटा की तुलना करते समय यह बहुत आसान हो गया।
मैं केवल अपने आप को DTW में ले रहा हूं और नीचे संदर्भित पैकेजों का व्यक्तिगत रूप से उपयोग नहीं किया है, लेकिन मुझे आशा है कि निम्नलिखित आपकी मदद कर सकते हैं।
Cran.R Project, विशेष रूप से: • "ts" नियमित रूप से समयबद्ध समय श्रृंखला के लिए संख्यात्मक समय टिकटों का उपयोग करने के लिए बुनियादी वर्ग है। • "चिड़ियाघर" पैकेज नियमित रूप से और समय-समय पर टिकटों के लिए मनमानी कक्षाओं का उपयोग करके नियमित रूप से समय सीमा के लिए बुनियादी ढांचा प्रदान करता है। इसे "ts" के साथ यथासंभव संगत बनाया गया है। • चिड़ियाघर: नियमित और अनियमित समय श्रृंखला के लिए एस 3 इन्फ्रास्ट्रक्चर (जेड के आदेशित अवलोकन)
संदर्भ: http://cran.r-project.org/web/views/TimeSeries.html , और http://cran.r-project.org/web/packages/zoo/index.html
शुभकामनाएँ।