这里有两篇我认为讲的很好的DTW算法详解，链接在此：
如果对DTW算法感兴趣可以去看一下~
https://www.cnblogs.com/Daringoo/p/4095508.html
http://blog.csdn.net/raym0ndkwan/article/details/45614813
在这里我主要用python实现了DTW算法
DTW（dynamic time warping）是时间序列分析中一个很早（1994年，论文的年纪比我都大）也很经典的算法了。它其实借用的是经典算法的“动态规划”的思想。一般来说，时间序列数据如果要做分类，那么大体可以将实验步骤分为：数据预处理（去噪或数据增强），数据表征，选取分类器（机器学习算法还需要选取合适的距离计算方法）。虽然DTW算法也给出了路径，但我实在想不出如何利用path，因此我更倾向于将DTW算法归为距离计算方法。
第一部分Introduction不再介绍。直接介绍第二部分：Dynamic Time Warping
作者首先提到，dtw算法成功应用在了语音识别领域——研究者将现实中一个单词的发音（其实就是一条时间序列）与模板库中单词的发音去一个个匹配。怎么衡量匹配程度的大小呢？
我看了一下你的链接和程序.这是你没定义dtwOptSet,当然dtw和dtwOptSet都是作者自定义的函数，不在matlab的标准库里，这个图也是明显用了3个subplot画的
如果你想运行这个，请去作者推荐的
http://mirlab.org/jang/books/dcpr/introMatlabProgram.asp?title=1-2%20Example%20Programs%20(%A6p%A6%F3%A8%FA%B1o%B5{%A6%A1%BDX)
下载example就可以了.
