频谱核函数对字符串由两个字符串之间的计数相同的n-gram进行操作。 例如，“工具”具有三个2克（“到”，“OO”，和“醇”），和“工具”和“傻瓜”之间的相似性为2（“OO”和在共同“醇” ）。
我怎么能写一个MATLAB函数，可以计算该指标？
Answer 1:
第一步骤是，以创建可以产生n克对于给定的字符串的功能。 在量化的方式来做到这一点的方法之一是用一些巧妙的索引。
function [subStrings, counts] = n_gram(fullString, N)
if (N == 1)
[subStrings, ~, index] = unique(cellstr(fullString.')); %.'# Simple case
else
nString = numel(fullString);
index = hankel(1:(nString-N+1), (nString-N+1):nString);
[subStrings, ~, index] = unique(cellstr(fullString(index)));
end
counts = accumarray(index, 1);
end
此使用函数Hankel算子首先创建索引，将选择每个组的从给定字符串独特的N长度的子串的矩阵。 索引给定的字符串与此索引矩阵将创建一个字符阵列，每行一个N长度的子串。 功能CELLSTR然后将这些字符阵列的每一行到细胞阵列的单元。 功能UNIQUE然后删除重复子串，并且函数ACCUMARRAY用于计数每个唯一字符串的出现次数（如果需要它们由于任何原因）。
利用上述功能，可以很容易地再计数的使用两个串之间共享的n-gram的数目INTERSECT功能：
subStrings1 = n_gram('tool',2);
subStrings2 = n_gram('fool',2);
sharedStrings = intersect(subStrings1,subStrings2);
nShared = numel(sharedStrings);
Answer 2:
您要查找的是所谓的汉明距离，你可以，如果你得到的是一个更好的描述doc pdist 。
A=['Marcin'; 'Martin'; 'Marsha'] %data
squareform(pdist(A, 'hamming')) returns
0 0.1667 0.5000
0.1667 0 0.5000
0.5000 0.5000 0
这种形式显示了许多信件是如何不同。 “马辛”和“马丁”之间的区别是1出的6个字母，让您得到1/6 = 0.1667“马辛” VS“玛莎”有3个6，所以3/6 = 0.5
如果你想要的是不同的字母的实际数目，只是乘以长度（A）整个矩阵。
文章来源: How to implement a spectrum kernel function in MATLAB?
