Alignment of curves by dynamic time warping
利用动态时间规整对齐曲线AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究一般函数曲线对齐，未明确采用时间序列模型或涉及宏观结构变化。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
利用动态时间规整对齐曲线
- 研究问题
- 不同个体或单位的曲线既有幅度差异也有动态差异，如何估计曲线之间的位移或时间变形函数，从而实现对齐？
- 方法与思路
- 作者用适当成本函数下的动态时间规整估计曲线变形，对含噪数据先进行核估计等非参数平滑，再分析估计量性质。
- 材料陈述的贡献
- 摘要称某些无噪模型可识别真实变形函数，且每个个体的样本量增大时，所提估计具有一致性和渐近正态性。
- 阅读关注点
- 应核对成本函数与变形约束、无噪识别所适用的模型、平滑误差的作用，以及个体内样本量增大的渐近设定。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明识别条件或平滑参数要求，不能推广到任意曲线及噪声结构。
原文摘要
When studying some process or development in different subjects or units--be it biological, chemical or physical--we usually see a typical pattern, common to all curves. Yet there is variation both in amplitude and dynamics between curves. Following some ideas of structural analysis introduced by Kneip and Gasser, we study a method--dynamic time warping with a proper cost function--for estimating the shift or warping function from one curve to another to align the two functions. For some models this method can identify the true shift functions if the data are noise free. Noisy data are smoothed by a nonparametric function estimate such as a kernel estimate. It is shown that the proposed estimator is asymptotically normal and converges to the true shift function as the sample size per subject goes to infinity. Some simulation results are presented to illustrate the performance of this method.