Journal of the Korea Society of Computer and Information (한국컴퓨터정보학회논문지)

Korean Society of Computer Information (한국컴퓨터정보학회)
권호 표지
DOI QR코드

DOI QR Code

Efficient Dynamic Time Warping Using 2nd Derivative Operator

2차 미분 연산자를 이용한 효과적인 Dynamic Time Warping

  • 김세훈 (숭실대학교 일반대학원 미디어학과) ;
  • 최형일 (숭실대학교 글로벌미디어학과) ;
  • 이양원 (군산대학교 컴퓨터정보과학과) ;
  • 장석우 (안양대학교 디지털미디어학과)
  • Received : 2010.09.27
  • Accepted : 2010.11.04
  • Published : 2011.02.28
Download PDF
⟨ Previous Next ⟩

Abstract

Dynamic Time Warping based on Dynamic Programming is the one of the most widely been used to compare the similarity of two patterns. DTW algorithm has two known problems. The one is singularities. And the another problem is the accuracy of the warping path with patterns. Therefore, this paper suggest the solution for DTW algorithm to use a 2nd derivative operator. Laplacian of Gaussian is a kind of a 2nd derivative operator. Consequently, our suggestion method to apply to this operator, more efficient to solve the singularities problems and to secure a accuracy of the warping path. And the result shows a superior ability of this suggested method.

동적계획법이 기반인 Dynamic Time Warping은 두 패턴의 유사도를 비교하기 위해 널리 사용되는 방법이다. DTW알고리즘에는 2가지 알려진 문제점이 있다. 첫 번째 문제는 DTW알고리즘은 2개의 패턴의 대응경로를 계산하면서 특이점이 발생하는 문제가 발생하게 된다. 두 번째 문제는 동적패턴의 대응경로가 올바른지 알 수 없다는 문제가 있다. 이에 본 논문에서는 DTW알고리즘의 문제에 대한 효과적인 해결을 위하여, 2차 미분 연산자를 적용한 DTW알고리즘을 제안 한다. 2차 미분 연산자의 하나인 "라플라시안오브가우시안" 연산자를 적용하여, 효과적으로 특이점에 대한 문제를 해결하고, 올바른 대응경로를 가질 수 있는 방법에 대하여 제안하고, 실험의 결과로 제안하는 알고리즘의 우수성을 증명한다.

Keywords

References

  1. Sakoe, H. and Chiba, S. "Dynamic programming algorithm optimization for spoken word recognition," IEEE Transactions on Acoustics, Speech and Signal Processing, 26(1) pp. 43-49, 1978. https://doi.org/10.1109/TASSP.1978.1163055
  2. Kim chul, Lee do-heon "Data Mining Technique for Time Series Analysis of Traffic Data," Electrical Engineering Summer Conference Proceedings(3), pp. 51-62, 2001.
  3. Andrea Corradini, "Dynamic Time Warping for Off-Line Recognition of a Small Gesture Vocabulary," ratfg-rts, pp.0082, IEEE ICCV Workshop on Recognition, Analysis, and Tracking of Faces and Gestures in Real-Time Systems (RATFG-RTS'01), 2001.
  4. Yang seung-il, Kwon young-hun, "Robot voice recognition system", Information Processing Society 6, 4, pp. 24-31, 1999.
  5. Sung bo-gyeng, Kim jung-su, Go ilju "Using Dynamic Time Warping similarity measure digital eumwongan"
  6. Eamonn J. Keogh, Michael J. Pazzani, "Derivative Dynamic Time Warping"
  7. D. W. Trigg and A. G. Leach, "Exponential Smoothing with an Adaptive Response Rate," Operational Research Society, Vol. 18, No. 1, pp. 53-59, 1967. https://doi.org/10.1057/jors.1967.5
  8. Yuko Mizuhara, Akira Hayashi, Nobuo Suematsu, "Embedding of time series data by using dynamic time warping distances," Systems and Computers in Japan, Vol 37, No 3, pp. 1-9, 2006. https://doi.org/10.1002/scj.20486
  9. Basabi Chakraborty and Goutam. Chakraborty, "A New Feature Extraction Technique for On-line Recognition of Handwritten Alphanumeric Characters," Information Science Vol. 148, pp. 55-80, 2002. https://doi.org/10.1016/S0020-0255(02)00276-1