文件名称：similarity_measures:量化空间中两条任意曲线之间的差异
文件大小：575KB
文件格式：ZIP
更新时间：2024-05-28 02:36:48
python dtw measure distance curve
相似度 量化两条任意曲线之间的差异 在这种情况下的曲线是： 由独立数据点离散化 从头到尾有序 考虑以下两条曲线。 我们要量化数值曲线与实验曲线的差异。 请注意，两条曲线中同时没有应力或应变值。 另外，一条曲线比其他曲线具有更多的数据点。 在理想情况下，数值曲线将与实验曲线完全匹配。 这意味着两条曲线将直接出现在彼此的顶部。 我们的相似性度量将返回彼此重叠的两条曲线之间的零距离。 方法涵盖 该库包括以下方法来量化两条曲线之间的差异（或相似性）： 部分曲线映射x （PCM）方法：匹配两条曲线之间的子集区域[1] 面积法x ：一种用于计算2D空间中两条曲线之间的面积的算法[2] 离散Frechet距离y ：两条曲线之间的最短距离，在该距离上，您可以非常快地独立沿着每条曲线行驶（（狗问题）[3、4、5、6、7、8] 曲线长度x方法：假定曲线的唯一真实自变量是曲线从原点开始的弧长距离[9
【文件预览】：
similarity_measures-master
----MANIFEST.in(176B)
----README.rst(10KB)
----.github()
--------workflows()
----frechet_distance_recursion_vs_dp.ipynb(62KB)
----convert_README_to_RST.sh(82B)
----images()
--------TwoCurves.png(110KB)
--------two_data_point_ex()
----build_docs.bat(137B)
----build_docs.sh(144B)
----LICENSE(1KB)
----setup.py(758B)
----similaritymeasures()
--------similaritymeasures.py(28KB)
--------__init__.py(93B)
--------version.py(22B)
----README.md(10KB)
----docs()
--------index.html(7KB)
--------version.html(6KB)
--------similaritymeasures.html(90KB)
----tests()
--------tests.py(6KB)
--------__init__.py(0B)
----.gitignore(1KB)
----Examples_of_Similarity_Measures.ipynb(363KB)
----CHANGELOG.md(3KB)