나는 각각에 3,000 개의 요소가있는 10,000 개의 벡터가있는 질적 인 배열을 가지고 있습니다. 나는 그들 사이의 거리와 가장 가까운 쌍의 상위 10 지수를 반환하고 싶습니다. 그래서 행 5와 행 7이 가장 가까운 유클리드 거리가 0.005이고 행 8과 행 10이 0.0052의 두 번째 가장 가까운 유클리드 거리를 가지면 [(8,10, .0052),
라오 QE는 유클리드 거리 매트릭스입니다. 데이터 테이블 dt에 d_ijs 요소에 대한 벡터가 있는데, 요소 당 하나의 열 (x가 있다고 가정)입니다. p는 마지막 열입니다. nrow = S입니다. 이중 합계는 거리 행렬의 왼쪽 아래 (대칭이므로 오른쪽 상단) 요소에 대한 것입니다. 가중치가없는 거리 행렬 만 필요한 경우 x 열에 대해 dist()를 간단히
나는 하나의 지점 에서 유클리드 거리 매트릭스를 생성하려고합니다. a=rand(10,10);
a=sort(a); %sort example matrix it should be visible that distances should get bigger and bigger
a=pdist([ones(size(a));a]);
이미지로 10 × 10 행렬을 상상
내 질문에 내 코드의 vectorization 안부. I는 좌표 연결하는 에지들의 정보 보유 3D 좌표 보유 한 배열 한 어레이가 : 지금 In [8]:coords
Out[8]:
array([[ 11.22727013, 24.72620964, 2.02986932],
[ 11.23895836, 24.67577744, 2.04130101],
저는 두 개의 드문 드문 한 행렬 A와 B를가집니다. A는 120000 * 5000이고 B는 30000 * 5000입니다. B의 각 행과 A의 모든 행 사이의 유클리드 거리를 찾아서 B의 선택된 행과 가장 가까운 거리에있는 A의 5 행을 찾아야합니다. 매우 큰 데이터이므로 CSR을 사용하고 있습니다. 메모리 오류. 그것은 A의 각 행에 대해 (x_b - x
나는 'N'태그와 유클리드 거리를 가지고 있습니다. 이 정보를 2D 평면에 어떻게 표시합니까? 3 개의 태그의 경우 플롯은 각 모서리가 태그 인 삼각형입니다. 실제 거리를 나타내는 X-Y 평면에 3 개 이상의 태그를 플롯하기위한 대략적인 알고리즘을 찾고 있습니다. 내가 그들의 유클리드 거리 점 A의 모든 삼중를 들어
나는 점 point=[x y]과 벡터 vec=[X Y]을 가지고 있습니다. 여기서 X과 Y은 많은 점에 대한 x, y 값을 포함하는 벡터입니다. diff=vec-point;
squared=diff.*diff;
distances=sqrt(sum(squared,2));
내가 pdist() 기능을 봐 왔지만, 내 코드에서 사용할 수있는 좋은
크기가 10x2 인 위치 매트릭스 P이 있다고 가정 해 봅시다. 첫 번째 열에는 x 값이 있고 두 번째 열에는 y 값이 있습니다. 나는 위치의 길이의 평균을 원한다. 지금까지이 작업을 수행 한 방법은 다음 코드입니다 : avg = sum(sqrt(P(:,1).^2 + P(:,2).^2))/10);
나는 적분 기능 integral2 훨씬 더 빠르고 정확한
나는 2 차원 평면에 점 세트 사이의 유클리드 거리에 따라 최소 스패닝 트리를 계산할 . 내 현재 코드는 모든 가장자리를 저장 한 다음 Prim의 알고리즘을 수행하여 최소 스패닝 트리를 얻습니다. 그러나, 나는 이것을 수행하는 것이 모든 가장자리에 대해 O(n^2) 공간을 차지한다는 것을 알고 있습니다. 몇 가지 조사를 한 후 처음으로 delaunay 삼각
유클리드 거리 동적 시간 왜곡, 실제 거리가있는 형벌 DISSIM, 시퀀스 가중치 정렬 모델, 공간 조립 거리와 같은 여러 메트릭에 대한 연구를하고 있으며 많은 유사성 메트릭을 발견하려고합니다. 그러나 질문이 있습니다. 시계열 방식으로 유사성을 제공하는 다른 측정 항목이 있습니까? 필자는 기능 간의 유사도를 계산할뿐만 아니라 기능을받은 순서대로 시계열 방식