基于二维动态时间规整算法的矩阵相似性研究，李俊杰，高翠芳，在模式识别中距离作为一种常用的度量工具，被广泛应用于聚类、分类等算法中。随着矩阵样本的大量出现，以及样本内容的不断复杂化

Dynamic Timing Warping，动态时间规整算法，源码

印度尼西亚降雨模式分类使用时间序列K均值 使用时间序列k均值对印度尼西亚的三种主要降雨模式进行聚类。 k均值中的距离计算是动态时间规整（DTW），通常用于模式匹配和时间/顺序数据聚类。

针对时间序列识别的难点，介绍了一种被称为动态时间规整神经网络（DTW-NN）的新颖的时间序列识别模型，DTW-NN是一种利用动态时间规整（DTW）的弹性匹配能力来将层的输入与权值动态对齐的前馈神经网络。通过这种方式，DTW-NN能够解决时间序列识别的困难，例如在前馈结构中的时间失真和可变模式长度。结合在4个不同的数据集上的实验，证明了DTW-NN的有效性：在线手写字符、基于加速度计的活跃的日常生活活动、阿拉伯数字口语的Mel频率倒谱系数（MFCC）和叶形的一维质心半径序列。通过在这些数据集上获得的结果，证明了该方法是一种有效的时间模式学习的通用方法。

Julia 中的动态时间规整 (DTW) 和相关算法

基于动态时间规整的语音识别matlab实现，包含数据集以及源码，可以直接运行

基于动态时间规整的语音识别matlab实现，内包含数据集以及源码

基于动态时间规整（DTW）的孤立字语音识别matlab 代码

DFT的matlab源代码MFCC自动语音识别算法的实现 用于自动语音识别（ASR）的梅尔频率倒谱系数（MFCC）和动态时间规整（DTW）算法的Python 2.7实现。 方法 从.wav文件读取音频数据和采样频率 帧信号 将窗口功能应用于框架（默认值=汉明） 计算帧的DFT 计算每个DFT仓的周期图功率谱密度估计 应用梅尔频率滤波器组进行信号 对每个滤波器内的能量求和，并以10为底的对数 取每个滤波器的DCT 保持系数[1:13] 计算参考向量和输入向量的DTW最佳路径和欧式距离 去做 噪音门 预加重/提升 特征向量数据库 音频记录/播放（ audio.py ） 多线程MFCC提取 创建MFCC提取程序作为类？

soft-DTW 动态时间规整(DTW)的Python实现