時間翹曲編輯距離（TWED）是一種具有時間"彈性"的離散時間序列匹配的相似性（或不相似性）的測量。與其他距離測量方法相比，（如DTW（動態時間扭曲）或LCS（最長共同子序列問題）），TWED是一個度量。它的計算時間復雜度是，但在某些特定情況下，通過使用走廊來減少搜索空間，可以大幅減少。其內存空間復雜度可以降低到.它是由P.-F.Marteau在2009年首次提出的。Marteau首次提出。{displaystyledelta_{lambda,nu}}初始化為{displaystylea'_{0}=b'_{0}=0}實現TWED算法的C語言實現和Python包裝器可在以下網站找到TWED也在時間序列后續搜索Python包（簡稱TSSEARCH）中實現，見[1]。TWED的R實現已被整合到TraMineR中，TraMineR是一個用于挖掘、描述和可視化狀態或事件序列的R包，以及更普遍的離散序列數據。此外，cuTWED是一個CUDA加速實現的TWED，它使用了G.Wright（2020）的改進算法。cuTWED是用CUDAC/C++編寫的，帶有Python綁定，還包括Marteau的參考C實現的Python綁定。Python導入numpy作為npdefdlp(A,B,p=2):cost=np.sum(np.power(np.abs(A-B),p))returnnp.power(cost,1/p)deftwed(A,timeSA,B,timeSB,nu,_lambda):#

[distance,DP]=TWED(A,timeSA,B,timeSB,lambda,nu)#計算給定時間序列A和B的時間扭曲編輯距離(TWED)#A:=時間序列A(例如：[102304])#timeSA:=時間序列A的時間戳(例如：1：4)g.1:4)#B:=時間序列B#timeSB:=時間序列B的時間戳#lambda:=刪除操作的懲罰#nu:=彈性參數-距離測量需要nu>=0#參考文獻：#Marteau,P.;F.(2009)."時間序列匹配的剛度調整的時間扭曲編輯距離"。#IEEE模式分析和機器智能的交易。31(2):306-318.arXiv:cs/0703033#http://people.irisa.fr/Pierre-Francois.Marteau/

如果len(A)!=len(timeSA):print("A的長度不等于timeSA的長度")returnNone,None如果len(B)!=len(timeSB):print("B的長度不等于timeSB的長度")返回None,None#初始化DP矩陣，將xxx行和xxx列設置為無窮大DP[0,:]=np.infDP[:,0]=np.infDP[0,0]=0#計算r中i的最小成本