[논문 리뷰] Computing Continuous Dynamic Time Warping of Time Series in Polynomial Time

Kevin Buchin, André Nusser외 1명|arXiv (Cornell University)|2022. 01. 01.

Time Series Analysis and Forecasting인용 수 4

한 줄 요약

이 논문은 1차원 시계열 곡선에 대한 연속 동적 시간 왜곡(CDTW)을 계산하는 최초의 정확한 다항시간 알고리즘을 제안하며, O(n⁵)의 시간 복잡도를 달성한다. 이 방법은 동적 프로그래밍 프레임워크를 통해 연속적인 조각별 이차 비용 함수를 전파하며, 함수 복잡도를 제한하고 다항시간 실행을 보장하기 위한 새로운 기법을 사용한다. 이는 시계열 분석에서 실용적인 CDTW 사용을 위한 기초적인 단계이다.

ABSTRACT

Dynamic Time Warping is arguably the most popular similarity measure for time series, where we define a time series to be a one-dimensional polygonal curve. The drawback of Dynamic Time Warping is that it is sensitive to the sampling rate of the time series. The Fréchet distance is an alternative that has gained popularity, however, its drawback is that it is sensitive to outliers. Continuous Dynamic Time Warping (CDTW) is a recently proposed alternative that does not exhibit the aforementioned drawbacks. CDTW combines the continuous nature of the Fréchet distance with the summation of Dynamic Time Warping, resulting in a similarity measure that is robust to sampling rate and to outliers. In a recent experimental work of Brankovic et al., it was demonstrated that clustering under CDTW avoids the unwanted artifacts that appear when clustering under Dynamic Time Warping and under the Fréchet distance. Despite its advantages, the major shortcoming of CDTW is that there is no exact algorithm for computing CDTW, in polynomial time or otherwise. In this work, we present the first exact algorithm for computing CDTW of one-dimensional curves. Our algorithm runs in time $O(n^5)$ for a pair of one-dimensional curves, each with complexity at most $n$. In our algorithm, we propagate continuous functions in the dynamic program for CDTW, where the main difficulty lies in bounding the complexity of the functions. We believe that our result is an important first step towards CDTW becoming a practical similarity measure between curves.

연구 동기 및 목표

• 연속 동적 시간 왜곡(CDTW)에 대한 정확하고 다항시간 알고리즘이 부족한 문제를 해결한다. CDTW는 DTW의 강건성과 프레셰 거리의 연속성의 장점을 결합한 유사도 측정 방법이다.
• 기존 측정 방법의 한계를 극복한다: DTW의 샘플링 속도 민감도와 프레셰 거리의 외곽치 민감도.
• 연속 비용 함수를 전파하면서도 그 복잡도를 제한하여 다항시간 계산을 보장하는 동적 프로그래밍 접근법을 개발한다.
• CDTW가 시계열 분석 분야에서 실용적이고 널리 채택되는 유사도 측정 방법이 될 수 있도록 이론적 기반을 마련한다.

제안 방법

• CDTW를 두 개의 1차원 다각형 곡선을 단조롭게 순회하는 동안의 점별 거리 적분으로 정의된 연속적 정렬 문제로 공식화한다.
• 곡선 세그먼트로 이루어진 격자 위에서 동적 프로그래밍을 수행하며, 각 셀은 해당 지점에 도달하는 최소 비용을 나타내는 연속적인 조각별 이차 비용 함수를 저장한다.
• 세 가지 유형의 전이(경로)를 통해 비용 함수를 전파한다: (B1/B2) 수평 및 수직 전이, (C3.1/C3.2) 비수평 확장이 있는 대각선 전이.
• 비수평(이차형) 확장을 포함한 누적 최소 연산을 적용하여 최적 경로를 모델링함으로써 연속성과 복잡도의 유한성을 보장한다.
• 이차 함수의 구조적 분석과 그 도함수를 활용하여 각 전파된 비용 함수에 포함된 조각 수를 제한한다.
• 모든 격자 셀에 걸쳐 전파된 함수의 총 조각 수가 다항식으로 유한함을 증명함으로써 전체적으로 O(n⁵)의 시간 복잡도를 도출한다.

실험 결과

연구 질문

• RQ1 CDTW의 연속적 성격에도 불구하고, 정확한 알고리즘이 다항시간 내에 계산될 수 있는가?
• RQ2 CDTW의 동적 프로그래밍 전파 과정에서 발생하는 연속 비용 함수의 최대 복잡도는 얼마인가?
• RQ3 CDTW에서 연속 함수의 전파가 충분히 잘 제한되어 다항시간 알고리즘이 도출될 수 있는가?
• RQ4 제안된 방법은 샘플링 속도 변화 및 외곽치에 대한 저항력인 CDTW의 강건성을 유지하면서 정확한 계산을 가능하게 하는가?

주요 결과

• 논문은 1차원 시계열 곡선에 대한 CDTW를 계산하는 최초의 정확한 알고리즘을 제시하며, O(n⁵) 시간 복잡도로 실행된다.
• 알고리즘은 동적 프로그래밍을 통해 연속적인 조각별 이차 비용 함수를 전파하며, 각 함수의 복잡도를 철저히 제한한다.
• 모든 전파된 함수에 포함된 조각 총 수는 n에 대한 다항식으로 유한하게 제한되어 있으며, 이는 전체 실행 시간이 다항식으로 유지됨을 보장한다.
• 이를 위해 누적 최소 연산에 비수평, 이차형 형태의 확장을 도입함으로써 기존 이산 DTW에서 사용하는 표준 접근법을 일반화한다.
• 분석을 통해 이차 함수의 서로 다른 (a,b) 계수 쌍의 수가 레벨 간에 감소하거나 유지됨을 증명함으로써 O(n⁵)의 복잡도 상한을 확보한다.
• 이 작업는 CDTW가 시계열 분석 분야에서 강건한 유사도 측정 방법으로 실용적으로 채택될 수 있도록 이론적 기반을 구축한다.