복잡도-불변 거리(Complexity-Invariant Distance, CID)는 시간 계열 데이터의 분류 및 유사성 측정 시 복잡도 차이로 인한 오류를 보정하기 위해 설계된 거리 측정 방법입니다. 기존 유클리드 거리(Euclidean Distance)나 DTW(Dynamic Time Warping)와 같은 방법들은 시계열의 형태적 차이는 고려하지만, 복잡도(예: 피크, 밸리의 수) 차이는 반영하지 못해 복잡한 형태의 시계열을 단순한 클래스로 오분류하는 문제가 있었습니다. CID는 이러한 문제를 해결하기 위해 복잡도를 보정하는 인자를 도입했습니다[1][3].핵심 개념1. 복잡도 추정(Complexity Estimate, CE) 시계열 T의 복잡도는 연속된 데이터 포인트 간 차이의 제곱합 제곱근으로..
