科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了更好地适应大规模不确定时间序列数据的相似性耗时多、计算效率低的问题,基于传统的动态时间规整(DTW)相似性计算算法,在FastDTW算法已经进行粗细粒度化剪枝节省部分运算时间的情况下,通过融入MapReduce计算框架,提出一种不确定时间序列的相似性计算算法MR-FastDTW。该算法在FastDTW算法执行递归返回阶段时需要计算的递归矩阵,用MapReduce的思想分成多个子矩阵。同时对求得的路径周围的子矩阵进行并行计算,最后汇总范围内子矩阵的结果,得出最终路径。实验结果表明,MR-FastDTW算法解决了FastDTW在递归返回段执行到一定程度后计算量大的问题,提高了计算速度和计算准确性;相比于经典的DTW及其改进的FastDTW算法,具有更高的效率。
- 单位
