问题标签 [approximate]

我想获得输出以显示相似性

和

我怎么能做到这一点？我想使用近似匹配将“hom”更改为“home”。

好的，所以我在surfaceView 上制作了一个简单的应用程序，其中我有一个从屏幕顶部到底部的球的位图。一旦它到达底部，它就会再次出现在顶部，然后又开始回落。

接下来我试着让它在我点击球落下时回到屏幕顶部。但是，我遇到了问题，因为我无法单击它（因为我认为它只有一个像素）。我将 onTouchListener 设置为单击的坐标getX()和getY()坐标，如果单击的 x 和 y 坐标等于球当前位置的 x 和 y，则球会回到屏幕顶部。

这虽然行不​​通。因为为了让我能够点击球，我必须点击当时球所在的确切中心像素。所以我的问题是我该怎么说：如果点击接近或大约等于球的当前位置，那么回到顶部。我是一个菜鸟，所以如果我问愚蠢的问题，我道歉，我正在努力学习。非常感谢您的帮助。我很感激。

我想创建一个 STL 映射来查找一个项目是否足够接近 3 维空间中的另一个项目。到目前为止，我的“小于函子”运行良好，粘贴到以下链接。

现在这个问题还不是“最近邻”问题。相反，这是一个“在一定距离内是否有邻居”的问题。

我的示例仅显示一个维度。为了清楚起见，我跳过了 Y/Z 尺寸。

到目前为止我的尝试：

在极少数情况下，我的意思是——非常罕见——当位置重叠时，地图找不到匹配的条目。

仍然使用 STL 容器，我可以做些什么来更好地实现这一点？

我正在尝试制作一个自适应的“大约相等”方法（用 C# 编写，但问题很笼统）接受两个双精度数并返回一个布尔值，如果它们“大约相等”或不“大约相等”。通过自适应，我的意思是：

1.234 和 1.235 ==> 真

但

1.234567 和 1.234599 ==> 错误

也就是说，“大约相等”的精度适应数字的精度。

我在如何找到两个变量是否近似相等？但是对于 epsilon 使用什么仍然存在开放式问题。

有人知道此类问题的最佳实践吗？提前致谢！

编辑：我最初的问题没有包含足够的信息来说明我想要得到什么。很抱歉，我很抱歉。我想要一个程序，它可以将更高的精度数字处理为更高的标准，同时对更低的精度数字更宽容。对的更多示例是（其中 '(0)' 是隐含的零）：

1.077 和 1.07(0) 返回 false（因为 77 与 70 非常不同）

1.000077 和 1.00007(0) 返回 false（因为 77 与 70 非常不同）

1.071 和 1.07(0) 返回 true（因为 71 接近 70

1.000071 和 1.00007(0) 返回 true（因为 71 接近 70）

无论实现代码如何，我都假设会有某种“公差”变量来确定什么是“非常不同”和什么是“接近”。

我正在使用 OpenCV 进行图像处理。我正在寻找一个人体，我想隔离（段）。

目前，我能够找到身体的轮廓，并用多边形近似轮廓。接下来，我想在 cvWatershed 中使用该轮廓，以真正隔离身体。

有谁知道我如何在向中心偏移处绘制轮廓？为了说明，请参见下图。

蓝色：轮廓的多边形近似

红色：我想要的多边形，但找不到。（在上图中，我使用了 Photoshop...）

这是我查找和绘制当前轮廓的方法：

编辑：根据以下答案，我找到了两种解决方案：

在 RSpec 我可以做这样的事情：

有没有一种内置的方法可以使这个递归近似？例如：

如果没有内置的方法，我意识到我可以（并且将）自己写这个。

每个人，在蜂巢中，我们使用

用于前 N 个查询。
由于我们知道速度并不快，所以我学习了一些用于top-k查询的近似算法，例如countsketch算法或其他算法。
我们可以在 hive 中添加近似算法以加快 top-k 查询吗？

我无法对文本字符串的近似匹配求和，以及从第一次匹配的字符串中提取信息。

我有看起来像这样的数据：

请注意，最新的文本字符串在较早的文本字符串中添加了全大写“THEN”和“AT”。

我想要一个看起来像这样的表：

这包括：

与最早日期的文本对应的ID号（其他文本源自的“原始”文本）。 每个的所有近似匹配的总和。与最早日期对应的文本。并且文本的日期与最早的日期相对应。

我有数千万个案例，所以我在自动化流程时遇到了麻烦。

我运行 Windows 7，并且可以访问快速计算服务器。

想法

从这里，我可以使用“agrep”，但我不确定在什么情况下。任何帮助将不胜感激！

注意：虽然下面的三个答案确实以我最初提出的方式回答了我的问题，但我没有提到即使没有“AT”和“THEN”这两个词，我的文本案例也会有所不同。事实上，它们中的大多数并不完全匹配。我应该把它放在原来的问题中。但是，我仍然希望得到一个答案。

谢谢！

我正在尝试检查 A 列中有多少字符串与 B 列中的字符串大致匹配。

例子：

如果我在 B 列中有字符串“angry_birds_iph_app”，并且“angry_birds_iph_app”和“angry_birds_adrd_app”出现在 A 列的某处，我希望函数返回 2。

我最近的任务是开发一种算法来检查数据库中的重复客户记录。DB 布局非常简单：数以万计的行，包含 FullName、Street、City、ZIP、Phone 等字段。

先说一点背景：

我对算法进行了一些广泛的研究，并决定每个领域都应该使用不同的算法进行一定程度的权衡，因为并非所有领域在所有情况下都表现得一样好。例如，姓氏的权重因子为 0.50。当我评估时，我会选择要使用的算法以及它们对最终决定的影响：
因子 0.25：JaroWinkler
因子 0.60：余弦 2-Gram 相似
因子 0.15：DamerauLevenshtein

一切运行良好，稍加调整后，我检测到的积极因素几乎没有错误。到现在为止还挺好。但是，正如您可以想象的那样，在处理数万条记录时，运行时间为 O(n^2) - 或者实际上是 E 从 i=0 到 i=n - 并不是很有效。不用说，积极优化，使用编译器优化速度，多线程等，只是创可贴，因为真正的问题是复杂性。

本质上，我正在寻找一种预先过滤潜在匹配的方法，并且现在已经对此进行了三天的研究。我发现了一些关于 R-Trees、R*-Trees、KD-Trees、欧几里德向量、minhashing 等的有价值的信息。然而，关于所有这些的大多数信息都是相当学术性的。我发现的最有价值的资源是“挖掘海量数据集”，第 3 章。

现在到我真正的问题：

我已经阅读了所有这些信息，但我不确定如何将它们放在一起。

我正在考虑在树或图形数据结构中进行某种索引，我可以在其中输入一个字符串并说“找到所有匹配概率> 0.20的人”。这个算法应该非常快。然后，当我得到一个潜在的（>0.20）匹配列表时，我可以去比较几个项目和我的“昂贵”但有选择性的算法。我认为这应该将运行时间减少到一个非常合理的值。

我一直在尝试找到某种参考代码来做我想做的上面的事情，但除了学术文章之外，我似乎没有想出任何东西。我确实找到了实际编译的“simstring”，但似乎与 7 条测试记录不太匹配。有人能指出我正确的方向吗？肯定有人以前遇到过这个问题并找到了解决方案......

非常感谢您！

PS 我在 C++ 中执行此操作，但 C#/C/Java/PHP 中的任何示例都可以。