論文の概要: Beyond Point Matching: Evaluating Multiscale Dubuc Distance for Time Series Similarity

• arxiv url: http://arxiv.org/abs/2510.21824v1
• Date: Tue, 21 Oct 2025 22:44:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 17:41:21.911975
• Title: Beyond Point Matching: Evaluating Multiscale Dubuc Distance for Time Series Similarity
• Title（参考訳）: Beyond Point Matching: 時系列類似性を考慮したマルチスケールDubuc距離の評価
• Authors: Azim Ahmadzadeh, Mahsa Khazaei, Elaina Rohlfing,
• Abstract要約: 時系列は高次元で複雑なデータオブジェクトである。 本稿では,最近導入された類似度尺度であるMultiscale Dubuc Distance(MDD)に基づく。
• 参考スコア（独自算出の注目度）: 0.764671395172401
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Time series are high-dimensional and complex data objects, making their efficient search and indexing a longstanding challenge in data mining. Building on a recently introduced similarity measure, namely Multiscale Dubuc Distance (MDD), this paper investigates its comparative strengths and limitations relative to the widely used Dynamic Time Warping (DTW). MDD is novel in two key ways: it evaluates time series similarity across multiple temporal scales and avoids point-to-point alignment. We demonstrate that in many scenarios where MDD outperforms DTW, the gains are substantial, and we provide a detailed analysis of the specific performance gaps it addresses. We provide simulations, in addition to the 95 datasets from the UCR archive, to test our hypotheses. Finally, we apply both methods to a challenging real-world classification task and show that MDD yields a significant improvement over DTW, underscoring its practical utility.
• Abstract（参考訳）: 時系列は高次元で複雑なデータオブジェクトであり、その効率的な検索とインデックス化はデータマイニングにおける長年の課題である。 最近導入された類似度尺度であるMultiscale Dubuc Distance(MDD)に基づいて, 広範に使用されている動的時間ワープ(DTW)と比較して, その強度と限界について検討する。 MDDは、複数の時間スケールにわたる時系列の類似性を評価し、ポイント・ツー・ポイントのアライメントを避けるという、2つの重要な方法によって新しくなっている。 我々はMDDがDTWを上回っている多くのシナリオにおいて、利得がかなり大きいことを実証し、それに対応する特定のパフォーマンスギャップを詳細に分析する。 UCRアーカイブからの95のデータセットに加えて、シミュレーションを行い、仮説を検証します。 最後に,両手法を実世界の課題に応用し,MDDがDTWよりも大幅に改善し,実用性を裏付けることを示す。

関連論文リスト

• Multiscale Dubuc: A New Similarity Measure for Time Series [1.024113475677323]
  マルチスケールDubuc距離測度を導入し、それがメートル法であることを証明する。 UCR時系列分類アーカイブから95のデータセットを使用して、MDDのパフォーマンスをEuD、LCSS、DTWと比較する。 我々の実験によると、MDDの全体的な成功はケース固有のカスタマイズなしで、データセットごとのウィンドウサイズを最適化したDTWに匹敵する。
  論文  参考訳（メタデータ） (2024-11-15T18:38:18Z)
• DTW+S: Shape-based Comparison of Time-series with Ordered Local Trend [4.6380010540165655]
  そこで,同時期に発生し,容易に解釈可能な類似の傾向を求める尺度を開発した。 本稿では,時系列の解釈可能な「閉鎖性保存」行列表現を生成する新しい尺度DTW+Sを提案する。 DTW+Sは,ベースラインと比較して優れたクラスタリングを実現できる唯一の尺度であることを示す。
  論文  参考訳（メタデータ） (2023-09-07T09:18:12Z)
• Approximating DTW with a convolutional neural network on EEG data [9.409281517596396]
  動的時間ラッピング(DTW)の高速かつ微分可能な近似法を提案する。 提案手法は,計算効率が向上した他のDTW主近似と同等以上の精度が得られることを示す。
  論文  参考訳（メタデータ） (2023-01-30T13:27:47Z)
• Generative Time Series Forecasting with Diffusion, Denoise, and Disentanglement [51.55157852647306]
  時系列予測は多くのアプリケーションにおいて非常に重要な課題である。 実世界の時系列データが短時間に記録されることが一般的であり、これはディープモデルと限られたノイズのある時系列との間に大きなギャップをもたらす。 本稿では,生成モデルを用いた時系列予測問題に対処し,拡散,雑音,ゆがみを備えた双方向変分自動エンコーダを提案する。
  論文  参考訳（メタデータ） (2023-01-08T12:20:46Z)
• TimesNet: Temporal 2D-Variation Modeling for General Time Series Analysis [80.56913334060404]
  時系列解析は、天気予報、異常検出、行動認識などの応用において非常に重要である。 従来の手法では、1D時系列から直接これを達成しようと試みていた。 複雑な経時的変化を、複数の経時的変化と経時的変化に明らかにする。
  論文  参考訳（メタデータ） (2022-10-05T12:19:51Z)
• Gait Recognition in the Wild with Multi-hop Temporal Switch [81.35245014397759]
  野生での歩行認識は、より実践的な問題であり、マルチメディアとコンピュータビジョンのコミュニティの注目を集めています。 本稿では,現実のシーンにおける歩行パターンの効果的な時間的モデリングを実現するために,新しいマルチホップ時間スイッチ方式を提案する。
  論文  参考訳（メタデータ） (2022-09-01T10:46:09Z)
• Robust Time Series Dissimilarity Measure for Outlier Detection and Periodicity Detection [16.223509730658513]
  本稿では,ノイズや外れ値の影響を低減するため,RobostDTWという新しい時系列差分尺度を提案する。 具体的には、ロバストDTWは、設計した時間グラフトレンドフィルタリングを利用して、トレンドを推定し、時間ワープを交互に最適化する。 実世界のデータセットを用いた実験では、外乱時系列検出と周期性検出の両方において、DTWの変種と比較してロバストDTWの優れた性能を示す。
  論文  参考訳（メタデータ） (2022-06-07T00:49:16Z)
• Triformer: Triangular, Variable-Specific Attentions for Long Sequence Multivariate Time Series Forecasting--Full Version [50.43914511877446]
  本稿では,高い効率と精度を確保するために,三角形,可変特性に着目した注意点を提案する。 我々はTriformerが精度と効率の両方で最先端の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2022-04-28T20:41:49Z)
• Matrix Profile XXII: Exact Discovery of Time Series Motifs under DTW [1.282368486390644]
  動的時間ワープの下で時系列のモチーフを発見するための,最初のスケーラブルな正確な方法を提案する。 我々のアルゴリズムは、DTW計算の99.99%を許容できる。
  論文  参考訳（メタデータ） (2020-09-16T19:35:43Z)
• Aligning Time Series on Incomparable Spaces [83.8261699057419]
  本稿では,Gromov dynamic time warping (GDTW)を提案する。 比較不可能な空間に居住する時系列の調整,合成,比較を行う上での有効性を実証する。
  論文  参考訳（メタデータ） (2020-06-22T22:19:28Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。