Journal of KIISE:Software and Applications (한국정보과학회논문지:소프트웨어및응용)

Korean Institute of Information Scientists and Engineers (한국정보과학회)
권호 표지

Time Series Pattern Recognition based on Branch and Bound Dynamic Time Warping

분기 한정적인 동적 타임 워핑 기반의 시계열 패턴인식

  • Received : 2010.03.04
  • Accepted : 2010.05.04
  • Published : 2010.07.15
Download PDF
⟨ Previous Next ⟩

Abstract

The dynamic time warping algorithm generally used in time series pattern recognition spends most of the time in generating the correlation table, and it establishes the global path constraint to reduce the corresponding time complexity. However, the constraint restrains just in terms of the time axis, not considering the contents of input patterns. In this paper, we therefore propose an efficient branch and bound dynamic time warping algorithm which sets the global constraints by adaptively reflecting the patterns. The experimental results show that the proposed method outperforms conventional methods in terms of the speed and accuracy.

시계열 패턴 인식에 일반적으로 많이 사용되는 동적인 타임 워핑 알고리즘은 대부분의 연산시간을 상관표를 작성하는데 소비한다. 그리고 이 연산시간을 줄이고자 전역 경로 제약조건을 설정하여 연산범위에 제한을 두는데, 이것은 패턴의 내용을 고려하지 않은 시간축에 의한 제한이다. 따라서 본 논문에서는 패턴의 형태에 따라 적응적으로 전역 경로 제약조건을 설정하여 보다 효율적으로 패턴인식을 수행하는 분기 한정적인 동적 타임 워핑 알고리즘을 제안한다. 제안된 방법의 성능 평가를 위한 실험에서는 분기 한정적인 동적 타임 워핑 알고리즘이 기존의 동적 타임 워핑 방법과 경로 거리는 유사하면서 연산 시간이 보다 개선되었음을 확인할 수 있었다.

Keywords

Acknowledgement

Supported by : 한국연구재단

References

  1. H. Sakoe, S. Chiba, "Dynamic Programming Algorithm Optimization for Spoken Word Recognition," IEEE Transactions on Acoustics, Speech and Signal Processing, vol.26, no.1, pp.43-49, February 1978. https://doi.org/10.1109/TASSP.1978.1163055
  2. E. J. Keogh, M. J. Pazzani, "Derivative Dynamic Time Warping," In Proceedings of the First SIAM International Conference on Data Mining, pp.1-11, April 2001.
  3. Y. Mizuhara, A. Hayashi, N. Suematsu, "Embedding of Time Series Data by Using Dynamic Time Warping Distances," Systems and Computers in Japan, vol.37, no.3, pp.1-9, February 2006. https://doi.org/10.1002/scj.20486
  4. G. Tomasi, F. V. Berg, C. Andersson, "Correlation Optimized Warping and Dynamic Time Warping as Preprocessing Methods for Chromatographic Data," Journal of Chemometrics, vol.18, no.5, pp. 231-241, May 2004. https://doi.org/10.1002/cem.859
  5. L. Rabiner, B. H. Juang, Fundamentals of Speech Recognition, Prentice Hall, 1993.
  6. Richard Neapolitan, Kumarss Naimipour, Foundations of Algorithms Using C++ Pseudocode, Third Edition, Jones & Bartlett Publishers, 2003.
  7. M. Faundez-Zanuy, M. Hagmuller, G. Kubin, "Speaker Identification Security Improvement by Means of Speech Watermarking," Pattern Recognition, vol.40, no.11, pp.3027-3034, November 2007. https://doi.org/10.1016/j.patcog.2007.02.016