Machine learning kNN和动态时间扭曲的WEKA截止值_Machine Learning_Weka_Nearest Neighbor

Machine learning kNN和动态时间扭曲的WEKA截止值

machine-learning

Machine learning kNN和动态时间扭曲的WEKA截止值,machine-learning,weka,nearest-neighbor,Machine Learning,Weka,Nearest Neighbor,我使用动态时间扭曲（DTW）作为K近邻（kNN）机器学习算法的距离度量。在kNN算法中，如果当前正在计算的距离大于以前的距离，则使用截止值作为提前放弃我的问题是，我不知道如何在不进行所有计算的情况下使用DTW实现这种早期放弃。如何确定最终距离将大于截止距离？您可以尝试一些动态时间扭曲的下限，如LB_Keogh下限：其基本思想是找到一个距离度量，它是DTW的下限，并且在计算上（非常）便宜

我使用动态时间扭曲（DTW）作为K近邻（kNN）机器学习算法的距离度量。在kNN算法中，如果当前正在计算的距离大于以前的距离，则使用截止值作为提前放弃

我的问题是，我不知道如何在不进行所有计算的情况下使用DTW实现这种早期放弃。如何确定最终距离将大于截止距离？

您可以尝试一些动态时间扭曲的下限，如LB_Keogh下限：

其基本思想是找到一个距离度量，它是DTW的下限，并且在计算上（非常）便宜