dtw 源码搜索结果, 第37页, Verysource

matlab实现DTW算法用matlab实现了DTW算法，已经经过了测试
动态时间规整（DTW）的matlab源码提供了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。
基于MFCC的DTW语音识别 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）
基于DTW算法的语音识别原理与Matlab实现〔论文说明＋源代码〕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。
matlab实现DTW算法用matlab实现了DTW算法，已经经过了测试
基于DTW和K-means的动作匹配和评估为满足基于Kinecrt的康复训练系统的需要，提出一种人体动作匹配和评估方法。该方法通过Kinect实时提取骨骼关节点三维坐标，计算骨骼关节点的角度，得到一组动作序列的空间角度变化值；然后通过改进的DTW算法把两组动作序列的角度值进行匹配，得到两个序列之间的距离；最后通过K-means聚类方法对距离的大小评估。实验表明，该方法能很好地实现人体动作匹配和评估，实时性好，较传统DTW算法在识别速率上有明显提高。
一种基于DTW的符号化时间序列聚类算法提出了一种基于DTW的符号化时间序列聚类算法，对降维后得到的不等长符号时间序列进行聚类。该算法首先对时间序列进行降维处理，提取时间序列的关键点，并对其进行符号化；其次利用DTW方法进行相似度计算；最后利用Normal矩阵和FCM方法进行聚类分析。实验结果表明，将DTW方法应用在关键点提取之后的符号化时间序列上，聚类结果的准确率有较好大提高。
语音识别中DTW改进算法的研究动态时间规整DTW是语音识别中的一种经典算法。对此算法提出了一种改进的端点检测算法，特征提取采用了Mel频率倒谱系数MFCC，并采用计算量相对较小的改进的动态时间规整算法实现语音参数模板匹配，能够实现孤立词、特定人、小词汇量的语音识别，并用Matlab进行了算法仿真。试验结果表明，改进后的算法能够有效地提高系统对语音的识别率。
基于DTW的编码域说话人识别研究相对解码重建后的语音进行说话人识别，从VoIP的语音流中直接提取语音特征参数进行说话人识别方法具有便于实现的优点，针对G.729编码域数据，研究基于DTW算法的快速说话人识别方法。实验结果表明,在相关的说话人识别中， DTW算法相比GMM 在识别正确率和效率上有了很大提高。
基于DTW的编码域说话人识别研究摘要：相对解码重建后的语音进行说话人识别，从VoIP的语音流中直接提取语音特征参数进行说话人识别方法具有便于实现的优点，针对G.729 编码域数据，研究基于DTW算法的快速说话人识别方法。实验结果表明I在相关的说话人识别中，DTW算法相比GMM在识别正确率和效率上有了很大提高。　　说话人识别又被称为话者识别，是指通过对说话人语音信号的分析处理，自动确认说话人是否在所 ...

关键字：dtw