【摘要】文章针对在多元时间序列动态时间弯曲度量中出现一对多情形容易产生距离相同的多条匹配路径导致无法确定最优路线的问题,提出一种自适应代价动态时间弯曲的多元时间序列相似性度量方法(ACM-DTW)。首先,多元时间序列按变量纵向排列把每个变量中数值列作为向量看待,计算向量之间的欧式距离作为两条多元时间序列间的基础距离矩阵;然后,自适应代价函数更新权重减少点列的重复使用次数,运用ACM-DTW度量多元时间序列间的相似性;最后,计算k近邻法在不同数据集上分类准确率。实验证明,ACM-DTW能有效地改进匹配时一对多情形从而实现较好的匹配结果,具有良好的准确性。