binary - 测量两个二进制文件之间的相似性？

Question

我有两个 G729 编码文件，我采用了它们的 pcm 版本。我想测量这两个文件之间的相似性。这些文件是二进制文件，所以如何测量二进制文件之间的相似性，我用 C 语言编写了一个代码，该代码从第一个文件中获取模式并在第二个文件中搜索相似的文件，但我想要一个相似性度量...... . 我在文献中搜索了很多，我找到了 jaccard 和其他人，但仍然无法确定其中哪些符合我的情况。提前感谢您的帮助..

Answer 1

由于您提到文件是音频文件，因此最好根据音频特征定义相似性度量，而不是简单地进行二进制比较。快速搜索找到了一个名为MusicMiner的研究项目，您可能想进一步了解它。

Answer 2

我有同样的需求，我想出了一个在我的案例中有效的解决方案，但我不能保证它是通用的：

我采用了一个创建差异文件的库。给定 fileA 和 fileB，这个库创建了第三个文件 fileDiff，它告诉如何从 fileA 传递到 fileB 哪些字节要复制，哪些要添加。（有关格式的更多信息：http: //www.w3.org/TR/NOTE-gdiff-19970901.html）

• 我在 Java 中工作，所以我使用了 javaxdelta：http: //javaxdelta.sourceforge.net/
• 在这里您可以实现一个称为 DiffWriter 的接口：http: //javaxdelta.sourceforge.net/javadoc/com/nothome/delta/DiffWriter.html
• 最后，您知道复制了多少字节以及添加了多少字节以从 fileA 转到 fileB

通过一个函数，我得到一个百分比。我知道这不是 100% 真实的，例如，如果你的 fileB 等于 fileA 的一半，那么函数的相似性是 100%。

这是 DiffWriter 实现：

public class Distance implements DiffWriter {

    private long newData = 0;
    private long copiedData = 0;

    @Override
    public void flush() throws IOException {}

    @Override
    public void close() throws IOException {}

    @Override
    public void addData(byte arg0) throws IOException {
        newData++;
    }

    @Override
    public void addCopy(long arg0, int arg1) throws IOException {
        copiedData += arg1;
    }

    public double getSimilarity() {

        double a = (double) newData;
        double c = (double) copiedData;

        return (( c / (c + a) ) * 100.0);

    }

}

我是这样称呼它的：

import com.nothome.delta.Delta;

    File f1 = new File(...);
    File f2 = new File(...);

            Distance dw = new Distance();

    try {
        new Delta().compute(f1, f2, dw);

        dw.getSimilarity();

    } catch (Exception e) {
        e.printStackTrace();
    }