基于时间规整算法的离散数据识别
基于时间规整算法主要是针对存在的数据缺失以及数据偏移两个异常数据
类型来考虑的。DTW 算法是通过动态规划使参考模板和测试模板在时间上实现
最优匹配。假设参考模板的特征参数序列为{R(1 ),R(2),…,R(m),
…,R(M)},其中,M 为该模板的总帧数,m 为帧的时序标号,R(m)为对
应的特征矢量;测试模板的特征参数序列为{T (1),T(2),…,T(n),
…,T(N)},其中,N 为该模板的总帧数,n 为帧的时序标号,T(n)为对应
的特征矢量。参考模板和测试模板采用相同的特征矢量、帧长、帧移和窗口函
数。这样,两个模板才具有可比性。为了比较参考模板 R 和测试模板 T 的相似
程度,需计算这两个模板各对应帧的失真度,失真度越小,则相似度越高。为
了直观地显示 R 和 T 之间各帧的对应关系,将测试模板的帧号 n=1,2,3,
…,n 标在直角坐标系的横坐标轴上,将参考模板的帧号 m=1,2,3,…,m
标在直角坐标系的纵坐标轴上。这样,连接横、纵各个坐标轴就可以形成一个
矩形网络,网络中的每一个交叉点(n,m)表示 R 中一帧和 T 中一帧的交会点。
R 和 T 的对应关系形成了一条起始于(0,0)而终止于(N,M)的路径。
一阶差分
评论0
最新资源