我正在进行一个项目，涉及到从加速度计和陀螺仪传感器收集的运动数据的比较。假设我有特定类型运动（例如投球）的数据，并且我已经手动创建了如图所示的段，其中A、B和C表示三个段。

带有段的加速度计数据：

目标： 假设我从同一传感器记录了一个新的运动数据时间序列X，如何判断X的每个段与我收集的运动数据Y的相似程度？请注意，对于新数据，我没有关于段的信息。

想法： 我知道如何使用互相关或DTW来比较两个时间序列，但在我的情况下，段的存在带来了问题。使用DTW和1-KNN来查找我集合中最接近的X时间序列（Y_nearest），然后将Y_nearest的每个段与X进行比较，这是一个好主意吗？如果我没有X运动数据的段信息，如何进行比较？是否有使用机器学习算法的更好方法？

回答：

这里的数据刚好处于不适合使用DTW或其他形状度量方法的边缘，需要使用基于特征的方法。

DTW可以对齐未对齐的数据，但它无法将5个峰值映射到4个峰值。对于这种数据，人们通常会创建一个特征向量，包括{min, max, STD, 零交叉等}。

然而，有一种新颖的未发表的距离度量方法可能适用。如果你给我写信，我会把代码发给你。

@Eamonn Keogh