algorithm - 考虑 "belongingness"的集群相似曲线？

Question

目前，我有 6 条曲线，以 6 种不同的颜色显示，如下所示。 这 6 条曲线实际上是由 一个相同实验 的 6 次试验生成的。这意味着，理想情况下它们应该是相同的曲线，但由于噪声和不同的试验参与者，它们看起来只是相似但不完全相同。

现在我想创建一种算法，能够识别 6 条曲线本质上相同，并将它们聚类到一个聚类中。 我应该使用什么相似性指标？

注意:

1. x 轴根本不重要!我只是为了视觉目的将它们对齐在一起。因此，如果这样做有帮助，请随意左/右移动曲线。
2. 作为曲线一部分的“子曲线”可能会出现。 “归属感”很重要，因此也需要识别。但同样，允许左/右移动。

我尝试学习了一些聚类算法，例如DBSCAN、K-means、Fuzzy C-means等。但我看不出它们在这种情况下是否合适，因为“归属感”需要被发现!

欢迎提出任何建议或意见。我知道很难对这个问题给出一些确切的解决方案。我只期待这里有一些启发性的建议。

Answer 1

查看时间序列相似性函数，例如动态时间扭曲。

它们可以与例如DBSCAN 但不使用 k-means(您无法为这些距离计算合理的“平均值”；k-means 实际上是为平方欧氏距离设计的)。