Take for example, Fig. 1, a traditi

Take for example, Fig. 1, a traditional data mining
similarity measure such as Euclidean distance is used to
compare the similarity between two time series Q and C, and a
relationship is not discern because it is the two time-series are
out of phase. In Fig. 2, DTW algorithm is used to overcome
this problem by accounting for the time factor when
comparing the two time-series.

ผลลัพธ์ (ไทย) 1:

ใช้ตัวอย่าง Fig. 1 ข้อมูลดั้งเดิมที่ทำเหมืองแร่วัดความคล้ายคลึงกันเช่นใช้แบบยุคลิดเปรียบเทียบความคล้ายกันระหว่างสองเวลาลำดับ Q และ C และแยกแยะความสัมพันธ์ไม่เนื่องจากเป็นชุดเวลาที่สองคือจากขั้นตอนการ ใน Fig. 2 อัลกอริทึม DTW เป็นใช้เพื่อเอาชนะปัญหานี้ โดยการลงบัญชีสำหรับเวลาปัจจัยเมื่อเปรียบเทียบสองเวลาชุด

ผลลัพธ์ (ไทย) 2:

ใช้ตัวอย่างเช่นรูป 1, การทำเหมืองข้อมูลแบบดั้งเดิม
คล้ายคลึงกันในมาตรการดังกล่าวเป็นระยะทางยุคลิดจะใช้ในการ
เปรียบเทียบความคล้ายคลึงกันระหว่างสองเวลา Q series และ C และ
ความสัมพันธ์ที่ไม่ได้รับการมองเห็นเพราะมันเป็นชุดที่สองเวลาจะ
ออกจากเฟส ในรูป 2 อัลกอริทึม DTW จะใช้ในการเอาชนะ
ปัญหานี้ได้โดยการบัญชีสำหรับปัจจัยเวลาเมื่อ
เปรียบเทียบทั้งสองอนุกรมเวลา

ผลลัพธ์ (ไทย) 3:

เอาตัวอย่างรูปที่ 1 เป็นแบบ Data Mining
ความเหมือนวัดเช่นระยะทางแบบยุคลิดใช้
เปรียบเทียบความคล้ายคลึงกันระหว่างสองชุดเวลา Q C , และความสัมพันธ์ที่ไม่แยกแยะ
เพราะมันเป็นสองอนุกรมเวลาเป็น
ออกจากเฟส ในรูปที่ 2 จะใช้ขั้นตอนวิธี DTW ที่จะเอาชนะปัญหานี้โดยบัญชีสำหรับปัจจัย

เวลาเมื่อเปรียบเทียบสองอนุกรมเวลา .