性能問題，編輯大字符串的距離LCP vs Levenshtein vs SIFT

Question

所以我試圖計算兩個大字符串（大約20-100）之間的距離。 障礙是性能，我需要運行20k距離比較。 （需要數小時）

經過調查，我發現了幾個算法，而且我很難決定選擇哪一個。 （基於性能VS準確度）

https://github.com/tdebatty/java-string-similarity - 每個算法的性能列表。

** ** EDITED

1. 是SIFT4算法是一個良好的證明/可中繼？
2. SIFT4是否是正確的算法？

3. 爲什麼它比基於LCP的/ Levinstein算法快得多？

4. 劑量SIFT也用於圖像處理？或者它是不同的東西？由AMH回答

謝謝。

Answer 1

據我所知尺度不變特徵變換（SIFT）是計算機視覺檢測中的一種算法，用於描述圖像中的局部特徵。

如果你想找到相似的圖像，你必須通過計算它們的距離來比較圖像的局部特徵，這些特徵可能會做你打算做的事情。但我記得當地的特徵是數字的矢量。它採用蠻力匹配：Feature Matching - OpenCV Library - SIFT

請閱讀有關SIFT這裏：http://docs.opencv.org/3.1.0/da/df5/tutorial_py_sift_intro.html

SIFT4這是您提供的鏈接上提到的是完全不同的事情。