时间序列分析——DTW算法详解

DTW(dynamic time warping)是时间序列分析中早期(1994，论文比我老)和经典的算法。它实际上借用了经典算法中“动态规划”的思想。一般来说，如果要对时间序列数据进行分类，实验步骤大致可以分为:数据预处理(去噪或数据增强)、数据表征、分类器选择(机器学习算法也需要选择合适的距离计算方法)。虽然DTW算法也给出了路径，但是我实在想不通怎么用路径，所以我更倾向于把DTW算法归为距离计算方法。

第一部分绪论不介绍。直接介绍第二部分:动态时间扭曲。

作者首先提到了dtw算法在语音识别领域的成功应用——研究人员将现实中一个单词的发音(实际上是一个时间序列)与模板库中单词的发音一一匹配。如何衡量匹配度？