双向量模式识别答案

【问题标题】：Pattern recognition with double vectors双向量模式识别
【发布时间】：2011-03-09 22:34:35
【问题描述】：

我有一组包含相同数量条目的向量。我已经用谷歌搜索了一段时间，但我没有发现任何有用的东西：

有没有办法检测这些数字中的模式？

向量如下所示：

{840.2, 842.1,....,} {840.3, 843.1,....,} ....

【问题讨论】：

模式是什么意思？
您在寻找什么样的模式？更多的是门萨难题还是总体趋势？这些数据来自哪里？
我不认为有任何有用的答案，除非你解释你正在寻找什么样的模式，或者有人碰巧猜对了。前者似乎是一个更好的选择。那么：你在寻找什么样的模式？
如果你想测量序列之间的相似程度，那么“相关性”对谷歌来说是个好词。如果你的意思是别的，那么请更详细地解释。
如果我没有正确表达我的问题，我很抱歉。问题是我想看看条目之间的差异是否遵循模式或趋势。这些是激光光谱中的峰值，我想获取“指纹”以查看是否可以通过峰值识别激光。换句话说，如果我有某个向量，程序应该能够告诉我这是否符合模式 1 或 2，... 或任何模式。

标签： c++

【解决方案1】：

为了分析您的数据，我建议编写一个程序，将数据放入逗号分隔值格式的文件中，然后将该文件输入到电子表格中。电子表格已经具有分析数据的强大功能。

一个好的项目是使用（实施）神经网络来分析数据。在网上搜索“神经网络 C++”。

【讨论】：

【解决方案2】：

根据您上面的评论，我认为您会对cross-correlation 感兴趣。

基本思想是你有两个向量（一个长度为 m 和一个长度为 n，其中 n 通常要小得多比 m) 并创建第三个向量（长度为 m - n），其值表示较小向量与部分在特定点更大。

基本算法是这样的：

for i = 0 to m - n
    output[i] = 0
    for j = 0 to n
        output[i] = output[i] + (v0[i + j] * v1[j])^2

输出向量中最大值的索引是较小的输入向量与较大的向量最匹配。

这种简单的实现相当慢，但在上述链接的Properties 部分，我们看到我们可以使用 FFT 来更快地计算互相关。

【讨论】：

【解决方案3】：

您还可以使用cosine similarity 等指标来确定两个向量的相似程度。如果所有向量都遵循相似的趋势，那么它们的余弦相似度也应该相似。

【讨论】：