Python C语言中的动态时间扭曲

因此，我可以找到很多关于DTW for python的指南，它们都可以正常工作。但是我需要将代码translate转换成C，但是我已经写了一年多的C代码了

在C代码中，我有两个数组

static int-codeLock[6][2]={
{1, 0},
{2, 671},
{3, 1400},
{4, 2000},
{5, 2800},
};;
静态整数代码[6][2]={
{1, 0},
{2, 600},
{3, 1360},
{4, 1990},
{5, 2800},
};;

我将使用DTW来比较数组的右侧

codeLock（n）（1）/code（m）（1）

，所以不应该看1..5

但是是的

在python中，我有两个函数，一个用于

euclidean distance

，即：

def compute_euclidean_distance_matrix（x，y）->np.array:
计算距离矩阵
该方法计算两个序列之间的成对欧氏距离。
序列可以有不同的长度。
"""
距离=np.零（（len（y），len（x）））
对于范围内的i（len（y））：
对于范围内的j（len（x））：
距离[i，j]=（x[j]-y[i]）**2
返回区

另一个用于累计成本：

def compute\u累计成本\u矩阵（x，y）->np.array：
“”“使用欧几里德距离计算扭曲路径的累积成本矩阵
"""
距离=计算欧几里德距离矩阵（x，y）
#初始化
成本=np.零（（len（y），len（x）））
成本[0,0]=距离[0,0]
对于范围（1，len（y））中的i：
成本[i，0]=距离[i，0]+成本[i-1，0]
对于范围（1，len（x））内的j：
成本[0，j]=距离[0，j]+成本[0，j-1]
#累计翘曲路径成本
对于范围（1，len（y））中的i：
对于范围（1，len（x））内的j：
成本[i，j]=min(
成本[i-1，j]，#插入
成本[i，j-1]，#删除
成本[i-1，j-1]#匹配
)+距离[i，j]
退货成本

这段代码来自我为理解DTW的工作原理而遵循的指南，但它是用python编写的，我需要用C编写

这可以很容易地在python中进行测试，如下所示：

x=[067140020002800]
y=[060013601990，2800]
计算欧几里得=计算欧几里得距离矩阵（x，y）
计算累计=计算累计成本矩阵（x，y）
打印（“\n计算机\u欧几里德距离\u矩阵”）
打印（计算欧几里得）
打印（“\n计算\累计\成本\矩阵”）
打印（累计计算）
打印（“\nflipud”）
打印（np.flipud（计算累积））

这是我的输出

我还研究了

fastdtw

，然后我的测试是这样的

x=[067140020002800]
y=[060013601990，2800]
dtw_距离，扭曲路径=快速dtw（x，y，距离=欧几里德）
打印（“\ndtw\u距离”）
打印（dtw_距离）

这是我的输出

---

你们中有谁知道在哪里可能有一个GitHub/指南来指导如何在C中完成所有这些工作吗？因为那对我有很大帮助。如果您愿意帮助我翻译这段代码，我当然会非常感激。

动态时间扭曲的C实现正在进行中

---

您始终可以使用Cython将python翻译为C，但是生成的代码有时不起作用，完全重写更好

您是否知道在哪里可能有一个GitHub/指南，介绍如何在C中执行所有这些操作-要在C中执行这些操作，您需要了解C。尽管这看起来不是一件非常复杂的事情，所以不需要专家级别。这是我使用的指南-->@EugeneSh的链接。我的问题是，我找不到一个可用的，我只是不想你们中的一些人花很多时间翻译这个，如果有一个我不知道的GitHub，我的一个朋友发现了一个链接，我可以从中获得一些灵感：