[1]冯钧,陈焕霖,唐志贤,吴德.一种基于DTW的新型故事时间序列相似性度量方法[J].数据采集与处理,2015,30(1):99-105.

[2]吴学雁,莫　赞.基于分层动态时间弯曲的序列相似性度量方法研究[J].计算机应用研究,2014,31(5):1370-1373.

[3]陆薛妹,胡轶,方建安.基于分段极值DTW距离的时间序列相似性度量[J].微计算机信息,2007,23(27):204-206.

[5]毛红保,张凤鸣,冯卉,张亮.基于特征点转换的时间序列符号化方法[J].计算机工程,2008,34(12):61-63.

[6]冯玉伯,丁承君,高雪,朱雪宏,刘强.基于滑动平均与分段线性回归的时间序列相似性[J].计算机科学,2018,45(Z6):110-113.

[7]郭小芳,李锋.基于Eros的多元时间序列相似度分析[J].计算机工程与应用,2012,48(23):111-114,119.

[8]刘威,邵良杉,曾繁慧,王江,付巍巍.基于SAX方法的股票时间序列数据相似性度量方法研究[J].计算机工程与科学,2009,31(9).

[9]林殉,李志蜀,周勇.时间序列序列模式的相似性研究[J].计算机科学,2011,38(9):245-247.

[10]李海林,梁叶,王少春.时间序列数据挖掘中的动态时间弯曲研究综述[J].控制与决策,2018,33(8):1345-1353.

[11]李正欣,张凤鸣,李克武,张晓丰.一种支持DTW距离的多元时间序列索引结构[J].软件学报,2014,25(3):560-575.

[12]李正欣,郭建胜,王瑛,田舢,张晓丰,李超.DTW距离的过滤搜索方法[J].控制与决策,2018,33(7):1277-1281.

[13]邹朋成,王建东,杨国庆,张霞,王丽娜.辅助信息自动生成的时间序列距离度量学习[J].软件学报,2013,24(11):2642-2655.

[14]涂辉,刘丽,张正金.改进DTW算法的心电信号相似性度量[J].计算机工程与应用,2015(16).

[15]徐健锋,何宇凡,张远健,汤涛.基于弯曲距离三支决策的时序相似性算法[J].计算机科学,2017,44(9):40-44, 61.

[16]汤春蕾,董家麒.基于LSH的时间子序列查询算法[J].计算机学报,2012,35(11):2228-2236.

[17]刘懿,鲍德沛,杨泽红,赵雁南,贾培发,王家钦.符号化近似SAX在时序数据挖掘中的应用研究[J].计算机工程与应用,2006,42(27):191-193.

[18]陈乾,胡谷雨.一种新的DTW最佳弯曲窗口学习方法[J].计算机科学,2012,39(8):191-195.

[19]郑剑,刘聪.基于DTW距离度量函数的DTW-TA轨迹匿名算法_*[J].计算机应用研究,2017,34(8).

[20]杨承功,廖逢钗,李强强.联合频谱分析和DTW的双层分类语音识别[J].福建电脑,2009,25(10):15-16.