euclidean-distance

    -3热度

    1回答

    难以理解Matlab中的以下代码来计算两点之间的欧几里德距离,其中X是要分类的数据,标号对应于簇成员资格。 label = ones(1, data_dim); [N,~]=size(X); [c,~]=size(clusters); dist = zeros(N,c); for i = 1:c dist(:,i) = sum(bsxfun(@minus, X, clusters

    1热度

    1回答

    我有data.frame,例如: test<-data.frame(matrix(c(1:5,2:6,3:7),nrow=3)) test<-cbind(rbind(exp(test),test),rbind(test,2*test)) test # X1 X2 X3 X4 X5 X1 X2 X3 X4 X5 # 1 2.718282 54.598150 20.08554

    1热度

    1回答

    我有以下情况:基点(绿色)和分段,对于每个分段,他的顶点用极坐标表示,并带有从基点起的角度。 问题是:对于每一段我有他的2个顶点THETA的。没有订购!我只需要从这些数据中找出这个分段重叠的角度范围。例如,对于属于顶部线段的2个顶点{20,300},正确的答案是所有角度从300到20,而不是从20到300. 方向从0到359,如示例中所示循环。 编辑:假设 - 对于段最大重叠角是小于180,这意味

    2热度

    1回答

    计算3D欧氏距离不溢出或下溢 你好, 我已经写代码来计算两个向量之间的3D欧氏距离。 我知道这是一个很常见的操作,但是我的情况有点奇怪,因为我们需要在计算平方根之前添加标量。 以下是C代码例程: void calculateAdjustedDistances3D(float *Ax, float *Ay, float *Az, float *Bx, float *By,

    0热度

    1回答

    我需要执行一个非常常见和简单的矩阵操作。 但是我需要它快速,真快...... 我已经在考虑多线程的实现,但现在我只想看看我能在多处理器上获得多快。 矩阵运算如下: 我计算点(A)与参照点(B)的向量之间的欧几里得距离。 点在3D空间中,每个点都有一组X,Y和Z坐标。 因此,点的矢量由三个浮点数组描述,每个浮点数组保存每个点的X,Y,Z坐标。 输出是另一个长度为N的矢量,用于保存阵列中每个点与参考点

    6热度

    3回答

    我想实现一种方法,使用欧几里得距离来基于它们与示例数据集的相似性来聚集测试数据集中的点。测试数据集有500个点,每个点是N维向量(N = 1024)。训练数据集大约有10000个点,每个点也是一个1024-暗矢量。目标是找到每个测试点与所有采样点之间的L2距离以找到最接近的采样点(不使用任何蟒蛇距离函数)。由于测试阵列和训练阵列具有不同的尺寸,我试图使用广播: import numpy as np

    1热度

    1回答

    在R I具有两个向量 a = c(25,24,25) b = c(33,33,32,31,26) 我使用dist()函数来计算a,b向量的值的欧几里德距离。 我想找到与a中的点具有最小距离的值b。 目前我的代码是: minDist = min(dist(c(a,b), method="euclidean")) 我怎样才能找到具有最小距离的点?

    0热度

    2回答

    举个例子,假设我有一个非常简单的数据集。我给了一个csv三列,user_id,book_id,rating。评分可以是0-5的任何数字,其中0表示用户具有而不是评价该书。 比方说,我随机挑三个用户,我得到这些功能/评级向量。 马丁:< 3,3,5,1,2,3,2,2,5> 雅各布:< 3,3,5,0,0,0,0,0,0> 格兰特:< 1,1,1,2,2,2,2,2,2> 相似度计算: +-----

    1热度

    1回答

    我按照Finding euclidean distance in R{spatstat} between points, confined by an irregular polygon window这个文章结尾,并使其工作得很好。但在我的情况下,我希望获得数据A中的距离点以指向数据B但只有两个数据集具有相同的ID值。我的问题可以按照Finding euclidean distance in R{

    2热度

    2回答

    我在python中实现了k-最近邻算法,对mnist数据库中的一些随机选取的图像进行分类。但是我发现我的距离函数非常慢:对10k图像训练集的10个测试图像的分析大约需要2分钟。图像的分辨率为28x28像素。由于我是python的新手,我感觉这可能会更快。该函数应该计算两个相同大小的灰度图像之间的欧氏距离。 def calculateDistance(image1, image2): di