字节数组之间的百分比差异

Question

我有100,000个固定长度的字节数组（长度为150），我想彼此比较。我想识别我的100,000中的任何字节数组，它们在同一个地方有超过90％的字节值，并且与一个或多个其他数组具有相同的值。

例如：

测试 1：A4343FBC2321FFD135423232EF .....（与2（100％）和3（96％）匹配）

2：A4343FBC2321FFD135423232EF .....（与1（100％）和3（96％）匹配）

3：A4343FBC2321FFD135423232E1 .....（匹配1（96％）和2（96％））

4：B465454ABC32321323AAAAAFFF .....（不匹配）

5：FED124343214343FE3232FE323 .....（与7（100％）匹配）

6：FED12434321431121212121212 .....（无匹配，相似度低于90％）

7：FED124343214343FE3232FE323 .....（与5（100％）匹配）

我想用C＃编写它并尽可能快地运行它，因为我可能要求它运行超过一百万字节的数组来进行比较。

Answer 1

由于任何O（n ^ 2）解决方案对于n = 100,000似乎太慢，您可能想要使用https://en.wikipedia.org/wiki/Locality-sensitive_hashing

我不确定它会有所帮助，但它应该给你一些指导。