问题是子阵列计数的变体。给定一组数字，让我们说1,2,2,3,2,1,2,2,2,2我寻找子阵列并计算每个数字的频率。我从一些K长度子阵列开始（例如K = 3）。
子阵列1,2,2的计数为C1:2。
子阵列2,2,3的计数为1。
子阵列2,3,2的计数为1。
等等。
现在，我寻找长度为2的子阵列。
子阵列1,2的计数为C2: 2。但是（1,2）是子阵列1,2,2的子集。因此，我通过从C1中减去C2来计算其计数，其中1,2的计数为0.同样，2,2的计数为1。
我的问题是处理存在多个父子集的情况。我不认为我的结果集中的子数组的频率为1。示例：
1,2,3,1,2,3,1,2,2,3
此处，1,2,3的计数为2。
2,3,1的计数为2。
现在，当我查找2,3的计数时，它应该是1，因为所有较大长度的父母已经覆盖了这些事件。我该如何处理这些案件？
我认为的方法是标记父项的所有模式出现。在上述情况下，请标记1,2,3和2,3,1的所有匹配项。数组看起来像这样：
1,2,3,1,2,3,1,2,2,3
X,X,X,X,X,X,X,2,2,3
其中X表示标记的位置。现在，根据未标记的位置，我们看到2,3的频率为1。所以，基本上，我标记了我在当前步骤中找到的所有模式事件。对于下一步，我开始从未标记的位置查找模式，以获得正确的计数。
我正在处理大数据，而这似乎有点不太好。另外，我不确定它是否正确。任何其他方法或想法都会有很大帮助吗？
答案 0 :(得分：0)
为给定数组构建suffix array。
要计算给定lengt的所有重复子阵列 h - 遍历此后缀数组，比较邻居后缀所需的前缀长度。
第一个例子
source array
1,2,2,3,2,1,2,2,2,2
suffix array is
5,0,9,4,8,7,6,1,2,3:
1,2,2,2,2 (5)
1,2,2,3,2,1,2,2,2,2 (0)
2 (9)
2,1,2,2,2,2 (4)
2,2 (8)
2,2,2 (7)
2,2,2,2 (6)
2,2,3,2,1,2,2,2,2 (1)
2,3,2,1,2,2,2,2 (2)
3,2,1,2,2,2,2 (3)
长度为2时，我们可以计算两个子阵列1,2和四个子阵列2,2
如果你想计算任何给定的子数组 - 例如，以(1,2)开头的所有后缀，只需使用二进制搜索来获取第一个和最后一个索引（如{{1}和C ++ STL中的std:upperbound操作
对于相同示例，后缀数组中第一次和最后一次出现std:lowerbound 的索引为0和1，因此计数为(1,2)