Похоже, это похоже на определенное приложение информационного поиска (IR). Несколько лет назад я присутствовал на лекции о распознавании походки, которая звучит похоже на то, что вы делаете. В информационном поиске «документы» (в вашем случае: данные об угле человека) сравниваются с некоторым запросом (в вашем случае это может быть «есть человек с данными об угле (.., ..)»). Затем документы перечисляются в том порядке, который соответствует ближайшему к тому, который соответствует наименьшему. Это, в свою очередь, означает, что одним из центральных компонентов IR является помещение документа в некое векторное пространство (в вашем случае: угловое пространство) и сравнение его с одним конкретным запросом или примером документа или измерение их расстояния. (См. Ниже.) Если у вас есть четкое определение расстояния между двумя отдельными векторами, все, что вам нужно сделать, это придумать меру для расстояния двух наборов данных. (Традиционно в IR расстояние в модели векторного пространства вычисляется либо по косинусной мере, либо по евклидову расстоянию, но я не помню, как они это делали в этом случае.) В IR также существует механизм, называемый «обратной связью по релевантности», который концептуально Работает на расстоянии двух комплектов документов. Этот механизм обычно использует меру расстояния, которая суммирует все индивидуальные расстояния между всеми парами документов (или в вашем случае: векторные векторы). Может быть, это полезно для вас.
На следующей странице есть некоторые документы, которые могут иметь отношение к вашей проблеме: http://www.mpi-inf.mpg.de/~mmueller/index_publications.html
Особенно этот http://www.mpi-inf.mpg.de/ ~ mmueller / публикации / 2006_DemuthRoederMuellerEberhardt_MocapRetrievalSystem_ECIR.pdf кажется интересным. В выступлении Мюллера, на котором я присутствовал, упоминаются меры сходства Ковара и Глейхера, называемые «облаком точек» (см. Http://portal.acm.org/citation.cfm?id=1186562.1015760&coll=DL&dl=ACM ) и одна, называемая «кватернионами». , Надеюсь, это поможет.