我目前正致力于语音识别。我必须将未知声音（在频率方面）的签名与我们知道的其他声音签名进行比较 具体地说，我们确定声音频谱中的“峰值”（=共振峰），这些声音是特定的（特征）。我们将这些峰值的频率记忆为元组。我们记住已知声音的元组。他们有成千上万（如果不是数十万） 对于要识别的每个新声音，我们将该声音的元组与已知声音的元组进行比较。这需要进行大量的比较！
我需要找到一种快速比较这些元组的方法。
我已经抬起头来，发现这是最近邻搜索问题。 但我不认为我可以使用这些算法。
实际上，元组可以具有不同数量的组件。 组件只是频率（以kHz为单位）。 它可以是（1; 2）或（1; 2.4; 4; 5; 6; 7; 7.1; 11; 12.1; 13）（最多20个分量）。
所以我的问题是：我没有一个具有相同“维度”元组的数据集，我怎样才能找到最近的neighboor？
我的理解是，为了应用最近的neighboor算法，必须具有相同维度的元组。
感谢您阅读。
祝你有愉快的一天！
修改
我不仅需要找到 最近的邻居，我实际上需要找到全部远离我的参考点距离D的距离远的邻接点。 / p>
EDIT2：
@random_hacker：不，他们没有。只有当这两个元素之间的差异为＆lt;时，才能将元组的元素与另一个元组的元素进行比较。阈。
EDIT3：
你是绝对正确的数学，我只是输入“随机”的东西。
事实上，元组的元素是频率排序（升序），实际上元组的每个频率只出现一次。
所以（4; 2）是错的，应该是（2; 4）和（2; 2; 4）不存在，它是（2; 4）（不重复）