使用整数比较的近似匹配

Question

我正在寻找一种可以将保存的模式与当前模式匹配的算法，即使它不完全相同。例如，保存的模式x是0, 400, 900, 1500, 2000，当前模式y是0, 300, 800, 1300, 1800。

有没有一种算法可以匹配x 和y，即使它们不完全匹配？

或者我是否需要应用一组距离，如果x 和y 的差是<= 到距离，则设置为true，否则设置为false？

这是一个敲门检测门锁。 x 和 y 的值是敲击之间的时间间隔。我想要一种算法，即使它不是完全匹配，也可以将当前模式近似为保存的模式。因为很难以特定的敲击时间间隔重复相同的敲击。

Answer 1

这看起来像是最近邻搜索的情况，基于 5D 连续空间中的距离函数。看看那里：https://en.wikipedia.org/wiki/Nearest_neighbor_search。如果您的参考模式很少（可能只有一个？），则无需复杂的解决方案。

您可以考虑欧几里得距离或曼哈顿距离。

从参考测试集中，您应该确定哪些被视为匹配，哪些不匹配，以便定义容差阈值。

Answer 2

如果我正确理解你想要什么，我建议你简单地计算每个敲门的预期时间和实际时间之间的总差异。正则表达式和字符串距离算法（如 Levenshtein 距离）都无法为您提供更准确的结果。

下面这个小python脚本同时使用了绝对和相对方法（它已经考虑过还缺少actualKnocks）：

#!/usr/bin/python

expectedKnocks = [0, 400, 900, 1500, 2000]
actualKnocks = [0, 300, 800, 1300, 1800]

# absolute approach
tolerance = 500
totalDifference = 0

# relative approach
relativeTolerance = 0.15  # 15%
errorRate = 0

for (i, item) in enumerate(expectedKnocks):
    if i < len(actualKnocks):
        totalDifference += (item - actualKnocks[i])
        if (item > 0):
            errorRate += (totalDifference / float(item))/len(expectedKnocks)
    else:
        totalDifference += item
        errorRate += 100.0 / len(expectedKnocks)

if (totalDifference <= tolerance):
    print "[Absolute] OK, come in.",  # ',' prevent newline
else:
    print "[Absolute] Go away!",
print "Absolute time diff %s under %s" % (totalDifference, tolerance)

if (errorRate <= relativeTolerance):
    print "[Relative] OK, come in.",
else:
    print "[Relative] Go away!",
print "Relative time diff %.2f%% under %s%%" % (errorRate, relativeTolerance)

绝对方法只是所有预期和实际敲击之间的总（毫秒？）差异。在相对方法中，脚本计算每个爆震对的相对误差，使其与预期爆震数成正比。