DTW的java实现

最新推荐文章于 2025-06-10 11:30:21 发布

夏末的初雪

最新推荐文章于 2025-06-10 11:30:21 发布

阅读量2.5k

点赞数

CC 4.0 BY-SA版权

分类专栏： Java 数据挖掘数据结构文章标签： java 计算机数据结构 DTW

本文链接：https://blog.youkuaiyun.com/qq_27717921/article/details/52303170

数据结构同时被 3 个专栏收录

13 篇文章

订阅专栏

数据挖掘

10 篇文章

订阅专栏

Java

7 篇文章

订阅专栏

DTW算法是解决时间序列匹配问题的一种方法，尤其适用于发音长短不一的模板匹配。它通过动态规划思想，允许时间扭曲以找到最佳对应，避免了欧式距离在处理时间序列时的不足。算法的核心是构建邻接矩阵并寻找最短路径。文章提供了一个简单的Java代码实现。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在日常的生活中我们最经常使用的距离毫无疑问应该是欧式距离，但是对于一些特殊情况，欧氏距离存在着其很明显的缺陷，比如说时间序列，举个比较简单的例子，序列A：1,1,1,10,2,3，序列B：1,1,1,2,10,3，如果用欧氏距离，也就是distance[i][j]=(b[j]-a[i])*(b[j]-a[i])来计算的话，总的距离和应该是128，应该说这个距离是非常大的，而实际上这个序列的图像是十分相似的，这种情况下就有人开始考虑寻找新的时间序列距离的计算方法，然后提出了DTW算法，这种方法在语音识别，机器学习方便有着很重要的作用。

这个算法是基于动态规划（DP）的思想，解决了发音长短不一的模板匹配问题，简单来说，就是通过构建一个邻接矩阵，寻找最短路径和。

还以上面的2个序列作为例子，A中的10和B中的2对应以及A中的2和B中的10对应的时候，distance[3]以及distance[4]肯定是非常大的，这就直接导致了最后距离和的膨胀，这种时候，我们需要来调整下时间序列，如果我们让A中的10和B中的10对应，A中的1和B中的2对应，那么最后的距离和就将大大缩短，这种方式可以看做是一种时间扭曲，看到这里的时候，我相信应该会有人提出来，为什么不能使用A中的2与B中的2对应的问题，那样的话距离和肯定是0了啊，距离应该是最小的吧，但这种情况是不允许的，因为A中的10是发生在2的前面，而B中的2则发生在10的前面，如果对应方式交叉的话会导致时间上的混乱，不符合因果关系。

接下来，以output[6][6](所有的记录下标从1开始，开始的时候全部置0)记录A，B之间的DTW距离，简单的介绍一下具体的算法，这个算法其实就是一个简单的DP，状态转移公式是output[i][j]=Min(Min(output[i-1][j],output[i][j-1]),output[i-1][j-1])+distance[i][j];最后得到的output[5][5]就是我们所需要的DTW距离。

java代码实现

package DTW;

import java.io.BufferedReader;
import java.io.File;
import java.io.FileReader;
import java.io.IOException;
import java.text.MessageFormat;
import java.util.ArrayList;

public class DTW_Tool {
	private String filePath;
	private double[][] distance;
	private int[] X;
	private int[] Y;
	private double[][] dtw;
	ArrayList<String[]> listTemp;
	public DTW_Tool(String filePath){
		this.filePath = filePath;
		readDataFile();
	}
	public DTW_Tool(int[] X,int[] Y){
		this.X = new int[X.length];
		for(int i=0;i<X.length;i++){
			this.X[i]=X[i];
		}
		this.Y = new int[Y.length];
		for(int i=0;i<Y.length;i++){
			this.Y[i]=Y[i];
		}
		
	}
	private void readDataFile() {
		File file = new File(filePath);
		 listTemp = new ArrayList<String[]>();
		try{
			BufferedReader in = new BufferedReader(new FileReader(filePath));
			String str;
			String[] strTemp;
			while((str=in.readLine())!=null){
				
				strTemp = str.split(" ");
				listTemp.add(strTemp);
				
			}
		}catch(IOException e){
			e.printStackTrace();
			
		}
		//利用listTemp初始化两个带比较的数列
		
	}
	public void initXAndY(){
		int i;
		X = new int[listTemp.get(0).length];
		for(int k=0;k<listTemp.get(0).length;k++){
			X[k] = Integer.parseInt(listTemp.get(0)[k]);
		}
		double dtw;
		double minDtw = Double.MAX_VALUE;
		int minDex =0;
		//第一行作为模板
		for(int j=1;j<listTemp.size();j++){
			dtw =0;
			Y = new int[listTemp.get(j).length];
			for(int k=0;k<listTemp.get(j).length;k++){
				Y[k] = Integer.parseInt(listTemp.get(j)[k]);
				
				
			}
			dtw = getDtwDist();
			if(dtw<minDtw){
				minDtw = dtw;
				minDex = j;
			}
			
			
		}
	/*	System.out.print(minDex);*/
		System.out.print(MessageFormat.format("匹配程度最高的序号为{0}，距离为{1}", minDex,minDtw));
		System.out.print("-------");
		
		for(int l=0;l<listTemp.get(minDex).length;l++){
			System.out.print(listTemp.get(minDex)[l]+"---");
		}
		
		
	}
	private double computeDistance(int x,int y){
		return Math.sqrt((x-y)*(x-y));
		
	}
	private void initDistance(){//先初始化点与点之间的距离
		distance = new double[X.length][Y.length];
		for(int i=0;i<X.length;i++){
			for(int j =0;j<Y.length;j++){
				distance[i][j] = computeDistance(X[i],Y[j]);
				
			}
		}
			
		
	}
	private void computeDtw(){//初始化dtw数组
		dtw = new double[X.length][Y.length];
		initDistance();
		//根据distance数组来初始化dtw数组
		dtw[0][0]=0;
		for(int i=0;i<X.length;i++){
			for(int j=0;j<Y.length;j++){
				//这里要对i,j进行判定，其实就是加入边界值的考虑
				if(i>00&&j>0){
					dtw[i][j]=minDist(dtw[i][j-1]+distance[i][j],dtw[i-1][j]+distance[i][j],dtw[i-1][j-1]+2*distance[i][j]);
				}
				else if(i==0&&j>0){
					dtw[i][j] = dtw[i][j-1]+distance[i][j];
				}
				else if(i>0&&j==0){
					dtw[i][j]= dtw[i-1][j]+distance[i][j];
				}else{
					dtw[i][j]=0;
				}
				
			}
		}
		
	}
	public double getDtwDist(){
		computeDtw();
		return dtw[X.length-1][Y.length-1];
		
	}
	private double minDist(double dist1,double dist2,double dist3){
		return (dist1<dist2?(dist2<dist3?dist3:(dist1>dist3?dist3:dist1)):(dist2>dist3?dist3:dist2));
		
	}
	
}

主程序

public class Client_DTW {

	/**
	 * @param args
	 */
	public static void main(String[] args) {
		/*int[] x={1,2,3,4,5,0};
		int[] y={2,3,4,5,0,1};
		DTW_Tool tool = new DTW_Tool(x,y);
		System.out.print(tool.getDtwDist());*/
		String filePath = "D:\\input\\input13.txt";
		DTW_Tool tool = new DTW_Tool(filePath);
		tool.initXAndY();

	}

}