DTW（Dynamic Time Warping，動態時間規整）算法是一種用於衡量兩個長度不同的時間序列之間相似度的方法，最初由日本學者Itakura在60年代提出，並廣泛套用於語音識別、模式識別、時間序列分析等領域。
DTW算法的核心思想是通過彈性地拉伸或壓縮時間軸來找到兩個序列之間的最佳匹配，允許非線性的時間對齊。它通過計算兩個序列之間所有點對的距離，形成一個距離矩陣，並尋找一條通過這個矩陣的最佳路徑，使得路徑上點對距離之和最小。這條路徑代表了兩個序列之間的最佳對齊方式，路徑上點對距離之和即為DTW距離，反映了兩個序列的相似度。
DTW算法的優點包括其簡單性和對時間軸上扭曲或偏移的容忍度，使其能夠處理時間序列數據中的各種變化和不規則性。然而，它也存在一些局限性，如較高的計算複雜度和對參數選擇的敏感性。
在具體套用中，如語音識別，DTW算法能夠有效地處理不同人之間語速的差異和同一單詞內不同音素的發音速度差異。通過動態規劃技術，DTW能夠在接受的時間內處理較長的序列，使其成為時間序列分析中的一個強大工具。