我想使用动态时间扭曲比较两个音频录制的两个特征向量（当然我先做所有必要的预处理）。我的程序应以百分比形式输出两个录音之间的相似性。例如，100％意味着两个录音完全相同，录音越多，我得到的数字越少。我该如何解决这个问题？ DTW只给出了路径的长度或转换的成本，我不知道如何将其中一个数字转换为百分比值。
答案 0 :(得分：5)
我不知道通过百分比测量的信号之间的任何距离度量。如果含义为100％，那么必须有0％的含义。所以首先你需要问自己：0％是什么意思？
对于DTW，我很确定没有已建立的最小距离转换为“百分比匹配”。如果必须，则需要定义一个启发式数量，它是最小DTW距离的函数。
编辑：实际上，如果你有两个有限长度的录音，你可以定义一个最长的距离。这将是一条路径的距离（如果查看成本矩阵）一直向下然后向下，或者一直向下然后向右。最佳路径，即完美匹配，沿着主对角线向下移动。
一个简单的想法：如果使用（0,1）（1,0）（1,1）作为步骤候选，您可以使用（0,1）和（1,0）所采取的步数作为一种不好的方法。这个度量肯定有最大值和最小值，因此它可以映射到某个理想的范围，如0-100％。