DTW-Kernel：利用DTW的时间序列分类内核

简介：
简介：本文提出了一种基于动态时间规整（DTW）的时间序列分类内核——DTW-Kernel。该方法能够有效捕捉时间序列数据间的非线性相似度，为模式识别和机器学习任务提供有力工具。 在该项目中提出了一种新的基于DTW（动态时间规整）的分类方法，用于处理Kinect深度传感器获取的骨骼关节位置变长多维时间序列数据。该方法的核心在于我们设计的一种新核函数，它通过计算两个时间序列之间的DTW对齐路径生成的面积来实现。 为了提取特征向量，从每个动作类别中随机选取一个作为参考样本，并在测试样本与参考样本之间应用所提出的核函数进行比较分析。3D动作识别的一个主要挑战在于不同执行者完成同一动作时速度和风格上的差异性；此外，时间序列数据中的噪声及帧丢失也会增加任务的复杂度。 实验结果表明，此方法能够有效应对上述问题，并展现出良好的性能表现。项目使用步骤包括：下载所需的数据集并将其放置在一个名为“Dataset”的文件夹中；安装必要的软件包（通过运行命令pip install -r requirements.txt）；将所有相关文件置于同一目录下，并执行对应数据集的.py脚本进行测试或应用。