基于小样本集的几种语音识别算法的比较研究

提供了dtw的matlab源代码，改代码基于欧氏距离的计算DTW，来规整单维时间算法。输入是一个模板时间序列，另一个是待测时间序列，输出是经过算法规整的两个新时间序列。代码可以直接调用，经过验证没有问题。

Matlab MFCC音乐特征匹配与DTW算法识别（含GUI设计）项目的源代码，时间有点久了代码可能没有上传全，不保证使用效果，仅供学习参考。GUI在MATLAB中已废弃，不推荐使用，最好改用APP Designer。

时间序列聚类以及动态时间规整（DTW）距离的优化 具有各种策略的时间序列聚类以及针对动态时间规整（DTW）距离及其对应的下限（LB）的一系列优化。 既有传统聚类算法的实现，也有更新的过程，例如k-Shape和TADPole聚类。 使用自定义距离度量和质心定义可以轻松扩展功能。 此软件包中实现的许多算法都是专门为DTW量身定制的，因此得名。 但是，主要的聚类功能很灵活，因此可以直接使用时间序列或通过应用适当的转换，然后在结果空间中进行聚类，来测试许多不同的聚类方法。 软件包中包含的其他实现为DTW提供了一些替代方案。 想要查询更多的信息： （附录中带有示例） 实作 分区，层次和模糊聚类 k形聚类 基于形状的距离 时间序列的形状提取 TADPole聚类 DTW的优化版本 Keogh和Lemire的DTW下限 全局对齐内核（GAK）距离 DTW重心平均 软DTW（距离和质心） 一些多变量支

DTW 通过矩阵运算实现快速dtw实现两个序列的动态时间规整，通过矩阵运算而不是顺序向量运算来加速比：dtw，fastdtw包更快（循环迭代而无需矩阵运算） Parameters ---------- x: numpy.ndarray x.ndim == 1 or 2 y: numpy.ndarray y.ndim == 1 or 2 (consistent with x) dist: function function which measures distance between frames from x and y if (ndim == 1) function should compare entry to entry(x[i], y[j]), and return single entry if (ndim == 2)

用于SAP B1管理软件，实现大批量数据导入系统；包括，物料主数据，业务伙伴，各种业务单据等。

如何使用DTW，如何解决使用过程中的容易碰到的问题

SAP business one dtw使用的方法说明

Matlab拥有丰富的工具箱以及内置函数，本文在简要介绍语音识别的基础上，介绍了一种基于Matlab GUI语音感知的照明控制系统设计思想，同时给出实现方法，达到了人与计算机零距离交流的目的。主要功能有语音信号的特征提取、训练、识别与功能指示等。端点检测依靠能量与过零率的双门限检测法，可以减少数据量与处理时间；特征提取采用Mel频率倒谱系数（MFCC），识别采用改进的DTW模板匹配，提高了识别效率。本文设计的控制系统能成功实现语音识别，并根据语音内容执行命令，同时显示识别结果，精准实时控制模拟家居照明。

采用 DTW 算法，实时接收语音 0－9 输入，亮灯或者响铃表示识别的结果。