dtw算法 c语言实现,DTW算法的python实现

关于DTW算法

动态时间规整/规划(Dynamic Time Warping, DTW)是一个比较老的算法，大概在1970年左右被提出来，最早用于处理语音方面识别分类的问题。

在这里我主要用python实现了DTW算法

# -*- coding: UTF-8 -*-

from numpy import array, zeros, argmin, inf, equal, ndim

# from scipy.spatial.distance import cdist

from sklearn.metrics.pairwise import manhattan_distances

#在这里我用到的是曼哈顿距离(求绝对值距离)

#如果比较的是二维数组，则用欧几里得距离

s1 = [1, 2, 3, 4, 5, 5, 5, 4]

s2 = [3, 4, 5, 5, 5, 4]

r, c = len(s1), len(s2)

D0 = zeros((r+1,c+1))

D0[0,1:] = inf

D0[1:,0] = inf

D1 = D0[1:,1:]

#浅复制

# print D1

for i in range(r):

for j in range(c):

D1[i,j] = manhattan_distances(s1[i],s2[j])

#生成原始距离矩阵

M = D1.copy()

for i in range(r):

for j in range(c):

D1[i,j] += min(D0[i,j],D0[i,