ICode9

精准搜索请尝试: 精确搜索
首页 > 编程语言> 文章详细

python 笔记:dtw包

2022-01-22 22:31:53  阅读:712  来源: 互联网

标签:plt matrix python 笔记 cost path array dtw


1 作用

用来辅助计算DTW的python模块

2 基本使用方法

2.1 数据

假设有两个序列

import numpy as np


x = np.array([1,3,2,4,2])
y = np.array([0,3,4,2,2])
plt.plot(x,'green')
plt.plot(y,'blue')
plt.legend(['x','y'])
plt.show()

 

我们要计算这两个序列之间的dtw

 2.2 定义距离函数

我们首先要定义两个序列间任意两个点xi,yj之间的距离 

manhattan_distance = lambda x, y: np.abs(x - y)

2.3 使用dtw

from dtw import dtw
d, cost_matrix, acc_cost_matrix, path = dtw(x, y, dist=manhattan_distance)

2.4 返回参数意义

d就是两个序列间dtw的值,算出来是2,和DTW _UQI-LIUWJ的博客 一致

cost_matrix就是 用前面的manhattan_distance 算出来的两个序列之间的两两距离

cost_matrix
'''
array([[1., 2., 3., 1., 1.],
       [3., 0., 1., 1., 1.],
       [2., 1., 2., 0., 0.],
       [4., 1., 0., 2., 2.],
       [2., 1., 2., 0., 0.]])
'''

和之前手动算的一致

 acc_cost_matrix 也就是 DTW _UQI-LIUWJ的博客 的dp矩阵

 

acc_cost_matrix
'''
array([[ 1.,  3.,  6.,  7.,  8.],
       [ 4.,  1.,  2.,  3.,  4.],
       [ 6.,  2.,  3.,  2.,  2.],
       [10.,  3.,  2.,  4.,  4.],
       [12.,  4.,  4.,  2.,  2.]])
'''

 和之前手动算的一致

path就是对应关系

path
#(array([0, 1, 2, 3, 4, 4]), array([0, 1, 1, 2, 3, 4]))
plt.imshow(cost_matrix.T,origin='lower',cmap='gray')
plt.plot(path[0],path[1])
plt.show()

 每次沿着颜色最深的点走 

 

标签:plt,matrix,python,笔记,cost,path,array,dtw
来源: https://blog.csdn.net/qq_40206371/article/details/122644736

本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享;
2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关;
3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关;
4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除;
5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

专注分享技术,共同学习,共同进步。侵权联系[81616952@qq.com]

Copyright (C)ICode9.com, All Rights Reserved.

ICode9版权所有