性能问题，编辑大字符串的距离LCP vs Levenshtein vs SIFT

Question

所以我试图计算两个大字符串（大约20-100）之间的距离。 障碍是性能，我需要运行20k距离比较。 （需要数小时）

经过调查，我发现了几个算法，而且我很难决定选择哪一个。 （基于性能VS准确度）

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

** ** EDITED

1. 是SIFT4算法是一个良好的证明/可中继？
2. SIFT4是否是正确的算法？

3. 为什么它比基于LCP的/ Levinstein算法快得多？

4. 剂量SIFT也用于图像处理？或者它是不同的东西？由AMH回答

谢谢。

Answer 1

据我所知尺度不变特征变换（SIFT）是计算机视觉检测中的一种算法，用于描述图像中的局部特征。

如果你想找到相似的图像，你必须通过计算它们的距离来比较图像的局部特征，这些特征可能会做你打算做的事情。但我记得当地的特征是数字的矢量。它采用蛮力匹配：Feature Matching - OpenCV Library - SIFT

请阅读有关SIFT这里：http://docs.opencv.org/3.1.0/da/df5/tutorial_py_sift_intro.html

SIFT4这是您提供的链接上提到的是完全不同的事情。