我正在对时间序列进行聚类（每个时间序列都有一天 = 24 小时的信息）。出于聚类目的，考虑时间序列形状与基线不同的时间段对我来说很重要。所以，我正在寻找一个合适的距离度量。

例如，让我们考虑这 4 个时间序列，我想将它们分成两组。

显然，对于 k=2，时间序列 1 和 2 更相似并被视为一个集群，而时间序列 3 和 4 在另一个集群内。但是，当我使用常用​​的欧几里得距离度量时，所有时间序列之间的计算距离是相同的，因为它考虑了点之间的一对一映射，并且没有考虑这些形状的距离。我也尝试过动态时间规整 (DTW)，因为它的应用程序与我在这里想要做的匹配，但是与欧几里德距离获得的结果相比，我在更大规模数据集中的聚类结果更没有希望（我使用的是默认的MATLAB DTW 的命令行，所以我不确定我是否有效地利用它）。

我的问题是，在这种情况下，哪种距离度量更适合捕捉相似性。