Выборка из mysql и сравнение значений PHP

$r_sig = puzzle_vector_normalized_distance($value1['sig'], $value2['sig']);

echo $r_sig

Тогда если правильно понимаю мое предыдущее решение должно работать, нужно выбрать все элементы, отсортировать их по расстоянию, которое выдает функция: puzzle_vector_normalized_distance, дальше все как написал выше, делаем один проход, получится сложность: (сложность сортировки + N) * время расчета расстояния

---------- Добавлено 06.01.2015 в 02:58 ----------

Видимо не дождусь я вашего сообщения, надо спать, но опять погадаю, вероятно вам понадобится функция php: http://php.net/manual/en/function.uksort.php, в которую вы скормите ваш компаратор, таким образом получите отсортированное множество, по которому уже пробежите аналогично коду на python.

$r_sig = puzzle_vector_normalized_distance($value1['sig'], $value2['sig']);

echo $r_sig

Вам как минимум можно не сравнивать одни и те же значения, ведь если изображение 1 похоже на изображени 2, то и обратное верно? Получится проверок в два раза меньше.

скорее прогрессия, а не два раза.

Это вообще без комментариев.

У топикстартера речь была о неких мифических 10% между каждым значением, но в связи с полным нежеланием решить собственную проблему из-за фатальной лени - забыл указать самое главное:

Ни структуры таблиц, ни примера данных для теста. Нихрена нету.

На текущий момент юмор заключается в том, что логика работы у ТС построена на запихивании в БД изображений с полной выгрузкой всей этой дряни оттуда каждый раз и в довесок идёт попарное постоянное сравнивание всех значений через внешнюю либу. Сложность вычислений близка к N^2 и упростить не выйдет, по крайней мере пока юзается блэкбокс в виде puzzle_vector_normalized_distance() всего на одно сравнение за раз. По теории алгоритмов попарное сравнение быстрее N * ln(N) и вовсе быть не может, читайте матчасть.

При оценке сложности алгоритма играет роль только количество атомарных итераций над элементами. Реальное время выполнения всего этого месива считается отдельно.

Дорогой мой, а давно (N - 1)^2 = N^2 / 2?

ТС в БД хранит PuzzleCvec signatures, насколько я понимаю.

Почему вы придумали какую-то формулу и спрашиваете меня, верна ли она?

Моя логика такая при условии func(a,b)==func(b,a)

Для первого элемента делается N-1 сравнение, для последнего элемента сравнений нет. Для второго элемента - N-2 сравнений, для предпоследнего - одно. Получается, что для двух элементов в сумме N-1 сравнение. В среднем для каждого получается (N-1)/2. - вот и в два раза меньше.

Где я не прав?

это понятно, но я предполагал если элементы отсортировать то они отсортируются по "похожести", таким образом "одинаковые" ( с минимальным расстоянием ) элементы окажутся рядом и их можно будет выделить в группы. Собственно сработает или нет зависит от того как будет работать функция определения расстояния между элементами, но ТС молчит.

вы все правильно сказали

обход может быть таким:

for i in range(1, 11):
    for x in range(i + 1, 11):
        print i, x

а может таким:

for i in range(1, 11):
    for x in range(1, 11):
        print i, x

Теперь понял о чём вы. Вы гасите квадратичный рост сложности вычислений пропуская самого себя и попарно проверенные элементы. К сожалению топикстарер вернётся к той же неоптимизированной сложности, от которой страдает в данный момент, уже через 40% элементов (140к сигнатур изображений).

Самый быстрый для последующей выборки вариант - кэш вычислений, который будет расти с каждым новым добавленным элементом, перекладывая постоянные затраты проца на хард, делая расчёты сходства только единожды - при добавлении изображения:

Шаг #1. Изображений в базе: 0, добавляем новое, считать пока нечего.

Шаг #2. Изображений в базе: 1, добавляем новое, считаем показатели схожести для нового и старого.

Шаг #3. Изображений в базе: 2, добавляем новое, считаем показатели схожести для нового и всех старых.

...

Шаг #N. Изображений в базе: N - 1, добавляем новое, считаем показатели схожести себя с предыдущими.

Выборка схожих в дальнейшем станет намного проще и быстрее.

Mad_Man, в базе хранится буквеный код изображения, состоящий из 150 символов, который вычисляет библиотека libpuzzle, чем к примеру эти 150 символов отличаются от к примеру 150 символов описания товара?

И к чему вы это написали?

К тому, Вы выше написали, что я храню в базе изображения.

Вот как делаю я! Но проц не выдерживает, вот я и ищу способ это оптимизировать.

$sql_select = "SELECT signature FROM images WHERE signature != ''";

$sql_result = $db->query( $sql_select );
	while ( $row = $db->get_row( $sql_result ) ) {
		$sig[] = $row;
	}

$sig2 = $sig; // скопируем массив

Я собрал массив, дальше я прохожу массив сраниваю значения

			foreach($sig as $value1) {
				unset($$sig2[$value1['signature']]);
		
					foreach($sig2 as $value2) {
					# вычисление разности изображения по сигнатурам
					$r_sig = puzzle_vector_normalized_distance($value1['sig'], $value2['sig']);
					# округлим разность в проценты
					$diff = round($r_sig * 100);
					# Определим похожесть изображений
					$img_true = ($r_sig <= 0.20) ? "Похожа" : "Не похожа";
					echo $img_true;
					}
			}