Dynamic Time Warping(DTW) Rabiner-Juang步长模式异常及选型疑问

问题1：部分步长模式报错的原因 #

你遇到的Error in dtw(… : No warping path exists that is allowed by costraints报错和代码实现无关，本质是不同Rabiner-Juang步长模式的对齐约束和你的数据长度差不兼容导致的：

• Rabiner & Juang定义的7族步长模式对对齐路径的斜率范围、允许的序列长度比有不同要求：II、III、IV、VI族的约束更严格，部分模式要求两个待对齐序列的长度差不能超过30%，或者对齐路径的斜率不能超过1.5。你生成的收入轨迹长度范围是8~27，最大长度差接近3倍，超出了这几类模式允许的合法范围，因此找不到符合约束的对齐路径，触发报错。
• I、V、VII族的步长模式约束更宽松，允许的斜率范围更大（最大可到2~3），兼容更大的序列长度差，因此可以正常运行。

你可以通过缩小生成序列的长度差范围（比如限定为15~25）复现验证：调整后原本报错的II、III等族大多可以正常运行。

问题2：收入时间序列聚类场景下步长模式的选择依据 #

结合纵向收入序列的特性（年度等间隔采样、不存在连续信号伸缩、允许个别年度缺失申报），选择步长模式可参考以下依据：

• 长度差适配性：优先选择兼容你的数据长度差范围的模式，当前场景下I、V、VII族是唯一可选的范围，其余族约束过严无法适配8~27的长度差区间。
• 扭曲合理性：收入序列的时间维度是真实的年度节点，不需要语音识别场景下的高强度时间扭曲，优先选择斜率上限较低的模式，比如I族（对称步长，斜率最大2，最小0.5），避免出现单一年度收入点对齐多个后续节点的不合理情况。
• 加权规则适配：Rabiner-Juang的4类斜率加权子类型中，优先选择带归一化的d亚型或者对称加权的a亚型，避免长序列的距离值天然大于短序列，影响后续聚类效果；不推荐选择对角线优先的b亚型，会过度惩罚长度差较大的相似轨迹。
• 平滑参数选择：如果你的原始数据存在大量临时未申报的空值记录，smoothed设为FALSE可以提升对齐灵活性；如果数据完整性较高，smoothed设为TRUE可以过滤无意义的连续对齐，提升聚类结果的可解释性。

内容的提问来源于stack exchange，提问作者Misc584