Matlab中时间序列之间的相似性搜索。有可能吗我在Matlab中找不到R-tree实现

[poster]

我想在Matlab中实现相似性搜索。我想知道有可能吗？

我的计划是使用两种流行的相似性度量，即欧氏距离和动态时间扭曲。这两个都将应用于时间序列数据集。我现在的问题是如何评估这两个测量性能和准确性？我看到一些文献说我应该使用K-NN算法。

然后，我计划在时间序列数据集上应用降维。减少后的数据集的维数。我将需要使用R树或任何可用的索引技术来索引数据集。

但是我的问题是要做到这一点，我需要R-tree matlab代码，但我几乎无法在Internet上找到它。

我确实意识到，相似性搜索的大多数实现都是在C ++，C和Java中实现的，但是我对这些并不熟悉。我希望我可以在Matlab中实现这些功能……任何上师都可以帮助我吗？

另外，我可以进行哪种评估来评估每种算法的性能。

谢谢



回答：

最近（我相信是R2010a），MATLAB在统计工具箱中添加了使用KD-tree （类似于R-tree的空间索引方法）进行k最近邻（kNN）搜索的新功能。例：

load fisheriris % Iris dataset Q = [6 3 4 1 ; 5 4 3 2]; % query points % build kd-tree knnObj = createns(meas, 'NSMethod','kdtree', 'Distance','euclidean'); % find k=5 Nearest Neighbors to Q [idx Dist] = knnsearch(knnObj, Q, 'K',5); 有关详细说明，请参阅此页面 。

同样，如果您拥有图像处理工具箱，则它包含（很长时间了）kd-tree和kNN搜索的实现。它们是私有函数：

[matlabroot '\images\images\private\kdtree.m'] [matlabroot '\images\images\private\nnsearch.m'] 为了比较两种方法（ 动态时间规整和欧几里得距离 ），您可以设计一个经典的分类问题。给定一组标记的训练/测试时间序列，任务是通过使用kNN查找最相似的序列，然后预测多数类来预测每个测试序列的标记。要评估性能，请使用任何标准分类方法，例如准确性/错误等。



更多&回答...