可变运动趋势的签名

Question

有人能指出我应该学习的算法方向来解决以下任务：

我有大约10个变量。他们不断变化，我记录他们的变化。我需要在数据中找到变量移动相似的不同位置：在两个地方x1上升50％，x2下降20％，x3保持原位，依此类推所有10.说这发生在时间第15点，再次在时间点225.我需要认识到这种模式，因此我需要为这种运动总和的每个一般类别产生“签名”。

最理想的是，此签名应扩展到相当长的行：x1上升15％，下降20％，上升30％，但始终对所有10个变量一起使用。在财务方面，他们可能需要对库存分析进行此操作，但他们采用了哪些算法？

编辑：我正在调查第一个答案中的多维树，但现在我也在考虑另一条路径：因为值必须加起来一百，而且我可以越来越近似于更高的值（超过50％的任何东西只是得分“超过一半”，例如），那么我可以使用这样的事实：较高的“架子”只能由非常有限数量的变量占用（只有一个“超过一半”，只有3个在“30-50％”类别中，以减少每个记录分布的可能变化的总量。我可以构造一个哈希函数来为每个分布提供一个密钥，然后在其中包含原始分布之后的每个分布的密钥。

Answer 1

您可以使用k-d tree，每个变量为10维，1。

收到“更改”后：

1. 检查树是否有新更改的最近邻居。验证它是否“足够接近”以考虑相似，如果是这样 - 输出它。
2. 将新更改插入树中，以便将来的更改可以访问它。

由于最近邻搜索和插入在k-d树中都是O(logN)，因此每次更改都需要O(logN)进行检查，总计为O(NlogN)。