DTW算法，与matlab自带算法类似，只是不需要转置矩阵了。（但是二者算出的值不一样，具体效果待测）

dtw 代码matlab 工作组 3D骨架动作识别的matlab代码 [用于基于骨架的动作识别的时空加权姿势运动特征] 作者：丁重阳和李凯（）。 我们最近基于 Raviteja Vemulapalli 的工作在 3D 动作识别方面的工作： Raviteja Vemulapalli、Felipe Arrate 和 Rama Chellappa，“通过将 3D 人体骨骼表示为谎言群中的点来进行人体动作识别”，CVPR，2014 年。 如果您要使用它，请引用它。 该代码由 Raviteja Vemulapalli 实现并由我们开发，主要用于比较一些不同的特征提取方法的性能，例如关节位置、关节角度、李群和 STWP（我们提出的，结果证明是一种更好的方法）和其他人）。 此代码已在 Matlab R2017a 中实现，并在 Linux (ubuntu) 和 Windows 7 中进行了测试。 实验设置： 跨学科 - 一半的科目用于训练，剩下的一半用于测试。 结果平均超过 10 个不同的训练和测试科目组合。 数据集 我们为所有支持的数据集提供预先计算的骨架序列： 跑步 matlab 文件“run.m

以一个能识别数字0～9的语音识别系统的实现过程为例，阐述了基于DTW算法的特定人孤立词语音识别的基本原理和关键技术。其中包括对语音端点检测方法、特征参数计算方法和DTW算法实现的详细讨论，最后给出了在Matlab下的编程方法和实验结果。

DTWMatlab代码STF_DTW 震源时间函数的DTW聚类。 这些代码用于复制 J. Yin、Z. Li 和 MA Denolle 手稿“震源时间函数聚类揭示地震动力学模式”中的结果和数字。 手稿已提交给 AGU Advances。 预印本可在此处获得： 对于结果再现，直接在 Matlab 中运行 Main_run_SCARDEC.m 和 Main_run_Simulation.m。 参数设置和详细信息可以在这两个脚本的注释中找到。

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。

总结了轨迹相似性度量方法包括：欧式距离（Euclidean Distance），动态时间归整（Dynamic Time Warping，DTW）等等

DTW算法即Dynamical Time Warping，动态时间规整，是很常用的信号处理和特征提取的算法，这是一个Matlab的DTW算法的完整实现和示例。

基于DTW的单字识别基于DTW的单字识别

近年来，手势识别的问题是由于难以利用多种计算方法和设备来感知人的手部运动。因此，在本文中，我们解释了不同的算法来解释手势识别算法，因为它具有得到了很多关注。 我们可以使用手势在不触摸计算机屏幕的情况下与计算机进行交互，可以向计算机提供指令，因此在本文中，我们将介绍使用Kinect进行手势手势检测的方法。 我们正在使用手势识别的动态时间扭曲方法。 我们解释了一种有效的手势识别方法。 我们还使用了简单的K-NN分类器。 在这种方法中，我们使用了DTW（动态时间包装）对齐方式。 我们使用不同的算法和方法来解释有关手势手势识别结果的信息。 我们使用MPLCS算法来识别自由空中的手势并给出良好的结果，之后，我们还使用了MCC计算，该计算确定了重大运动的开始和结束目的，并忽略了未使用的信号。 因此，通过使用此算法，我们给出的手势重组结果要好于以前的所有结果。