成对距离2矩阵R
是一种用于描述数据集中样本之间相似性的矩阵。它是基于成对距离度量的结果，其中每个元素R[i][j]表示样本i和样本j之间的距离。
成对距离是指在数据集中两个样本之间的距离度量。常见的成对距离度量方法包括欧氏距离、曼哈顿距离、余弦相似度等。通过计算数据集中所有样本两两之间的距离，可以得到一个成对距离矩阵。
成对距离2矩阵R的优势在于它可以提供全面的样本相似性信息。通过分析R矩阵，可以发现样本之间的相似性模式，进而进行聚类分析、异常检测、相似性搜索等任务。
成对距离2矩阵R在云计算领域的应用场景包括但不限于：
- 数据挖掘和机器学习：成对距离2矩阵R可以作为特征矩阵，用于训练和评估机器学习模型，如聚类、分类和回归模型。
- 相似性搜索：通过计算成对距离2矩阵R，可以建立索引结构，实现高效的相似性搜索，例如在图像、音频和视频检索中。
- 异常检测：通过分析成对距离2矩阵R，可以识别数据集中的异常样本，帮助发现潜在的问题或异常行为。
腾讯云提供了一系列与成对距离2矩阵R相关的产品和服务，包括：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tensorflow）：提供了强大的机器学习工具和算法库，可用于构建和训练模型，包括使用成对距离2矩阵R进行特征提取和相似性搜索。
- 腾讯云图像识别（https://cloud.tencent.com/product/imagerecognition）：提供了图像识别和相似性搜索的能力，可以基于成对距离2矩阵R进行图像检索和相似性匹配。
- 腾讯云音视频处理（https://cloud.tencent.com/product/mps）：提供了音视频处理和分析的服务，可以基于成对距离2矩阵R进行音视频相似性搜索和内容分析。
请注意，以上仅为腾讯云相关产品的示例，其他云计算品牌商也提供类似的产品和服务。
相关·内容
我试图从三个向量中构建一个三维矩阵，其中每个向量的每个元素之间的最小平方距离作为矩阵的条目。
例如对于3d矩阵d，
d(m,n,o)=(vec1(m)-vec2(n))^2+(vec1(m)-vec3(o))^2+(vec2(n)-vec1(o))^2
我现在用一个三元组for循环来做这件事：
d=zeros(N,M,O);
for o=1:O
for n=1:N
for m=1:M
d(n,m,o)=(((t(n)-r(m))^2)+((t(n)-z(o))^2)+((r(m)-z(o))^2));
end
end
en
浏览 0提问于2012-02-05得票数 1
回答已采纳
2回答
我有一个数据集，它包含分类(名词和序数)和数字属性。我想使用这些混合属性来计算我观察到的(Dis)相似矩阵。使用R中集群包的函数，我可以很容易地得到如下不同的矩阵：
if(!require("cluster")) { install.packages("cluster"); require("cluster") }
data(flower)
as.matrix(daisy(flower, metric = "gower"))
这使用gower度量来处理名义变量。在R？daisy()中是否存在与函数等价的Python？？
或者任何
浏览 19提问于2014-10-15得票数 14
回答已采纳
1回答
所有关于谱聚类的文献都使用相似度矩阵作为谱聚类算法的输入。
是否也可以使用成对距离矩阵？我还没有看到任何版本的频谱聚类代码会使用parwise距离。我在matlab中实现了谱聚类，它有一个函数pdist，这个函数的输出是成对距离矩阵。
浏览 0提问于2015-05-01得票数 1
我想要创建一个程序，以计算距离矩阵的结果，我的计算集。有关这些集的数据是从文件中提取的。我目前有类似下面的代码，但可能我的想法很糟糕，它可以改进(例如，集合只列出，而不是排序)。
my_list = []
file = open("plik.txt","r")
for i in file:
my_sets = i.split(", ")
A = set(my_sets[0])
B = set(my_sets[1])
a = len(A.difference(B))
b = len(B.difference
浏览 4提问于2020-06-09得票数 1
回答已采纳
1回答
按照的说法，k-指的是shape=的矩阵(n_samples，n_features)。但我提供了shape=(n_samples，n_samples)的距离矩阵，其中每个索引保存两个字符串之间的距离。时间序列已使用表示转换为字符串。
当我用距离矩阵进行聚类时，它得到了很好的结果。可能的原因是什么？据我所知，K-medoid是一个与距离矩阵工作的。
浏览 2提问于2017-04-20得票数 5
2回答
l2轴上损失
、、、
我使用python 3和tensorflow，我有一个矩阵，每一行都是一个向量，我想得到一个距离矩阵，即计算机使用，矩阵中的每个值都是两个向量之间的距离。
e.g
Dij = l2_distance(M(i,:), Mj(j,:))
谢谢
编辑:这不是一个重复的，另一个问题是计算矩阵的每一行的范数，我需要每一行到另一行的成对范数距离。
浏览 1提问于2019-01-27得票数 0
回答已采纳
1回答
最近，我一直在试图计算Python Numba中最接近的两个邻居的距离，如下所示
@jit(nopython=True)
def _latent_dim_kernel(data, pointers, indices, nrange, sampling_percentage = 1):
pdists_t2 = np.zeros((nrange, 2))
for a in range(nrange):
rct = 0
for b in range(nrange):
if np.random.random() > 1-
浏览 3提问于2020-02-01得票数 0
回答已采纳
是否有一个库将接收文档列表并集体计算距离的nxn矩阵--其中提供了word2vec模型？我可以看到，天才主义允许您在两个文档之间进行此操作--但我需要在所有文档之间进行快速比较。就像滑雪的cosine_similarity。
浏览 3提问于2017-06-06得票数 3
回答已采纳
1回答
numpy中的对称矩阵？
、、、
我希望在python中创建一个对称矩阵，并将其填充为零。
目前，我已经启动了一个已知维数的数组，但这不适合随后作为距离矩阵输入R。
在numpy中是否有任何“简单”方法来创建对称矩阵？
编辑
我应该澄清--创建“对称”矩阵是很好的。然而，我只对生成下三角形式感兴趣，即
ar = numpy.zeros((3, 3))
array([[ 0., 0., 0.],
[ 0., 0., 0.],
[ 0., 0., 0.]])
我要：
array([[ 0],
[ 0, 0 ],
[ 0., 0., 0.]])
这个是可能的吗
浏览 2提问于2011-01-31得票数 2
回答已采纳
1回答
的数据参数是什么？
它是否取一个矩阵，其中每个单元是原始矩阵的向量与观测值之间的距离？或者聚类图计算距离，这样我就需要传递观察矩阵了？
在第一种情况下，参数度量是为了什么？是否有指示使用了哪个度量来计算距离？
浏览 0提问于2016-01-07得票数 3
回答已采纳
1回答
我有一个包含I和相应DNA序列的FASTA文件，我已经将其解析并存储到字典中。现在我需要编写一个Python程序来计算所有序列的成对汉明距离矩阵。 到目前为止，我已经尝试在字典的所有值上运行for循环，并检查每个字符，但这不能正确地实现汉明距离或返回矩阵。
浏览 30提问于2019-05-01得票数 0
1回答
我已经为一个巨大的语料库生成了一个使用gensim的word2vec模型，并且我需要使用k均值聚类来对词汇表进行聚类，我需要：
余弦距离矩阵(字对字，所以矩阵的大小为number_of_words x number_of_words )
特征矩阵(word表示特征，因此矩阵的大小是number_of_words x number_of_features(200) )
对于特征矩阵，我尝试使用x=model.wv，得到对象类型为gensim.models.keyedvectors.KeyedVectors，它比我预期的要小得多。
有没有一种直接使用这个对象来生成k均值聚类的方法？
浏览 7提问于2017-07-24得票数 0
1回答
一般情况下，python和编程都是新的：
正方形的文档声明如下：
将向量形式的距离向量转换为方型距离矩阵，反之亦然.
将一维数组转换为平方矩阵？
其中paramenter X：
压缩或冗余距离矩阵。
和返回：
如果一个压缩距离矩阵被传递，一个冗余矩阵被返回，或者如果一个冗余矩阵被传递，一个压缩距离矩阵被返回。
压缩矩阵和冗余矩阵的区别是什么？
压缩/冗余矩阵与它所采用的向量/平方形式之间的关系是什么？
将pdist文件返回压缩距离矩阵：
返回一个凝聚距离矩阵Y。对于每个i和j(其中i小于j小于n)，计算度量dist(u=Xi，v=Xj)并将其存储在条
浏览 3提问于2016-04-21得票数 3
回答已采纳
在R中，您可以在聚类之前使用各种度量来构建距离矩阵，例如二进制距离、曼哈顿距离等。然而，当涉及到选择链接方法(完全、平均、单一等)时，这些链接都使用欧几里德距离。如果您依赖于差异度量来构建距离矩阵，则这似乎不是特别合适。
有没有办法(或图书馆……)在构建聚类树时将其他距离应用于链接方法？
谢谢!
浏览 3提问于2012-08-30得票数 2
回答已采纳
1回答
我想从字典数据中计算一个距离矩阵，如下所示：
y = {"a": ndarray1, "b": ndarry2, "c": ndarry3}
每个键("a"，"b"，"c")的值是一个大小不同的np.ndarry。我有一个dist()函数，可以通过dist(y["a"], y["b"])计算y["a"]和y["b"]之间的距离。
因此，结果距离矩阵将是：
+----------------------------------------
浏览 0提问于2014-03-03得票数 1
1回答
我读过许多教程，尝试过一些min散列LSH，但是它不能生成相似矩阵，而是返回超过阈值的相似数据。我怎样才能产生它？我的意图是使用LSH结果进行聚类。
浏览 2提问于2018-01-04得票数 0
回答已采纳
在这段代码中，生成了50个随机坐标(人口大小为50)。我有一个数组， B = [150 90; -100 -120; -80 130; 140 -70; 60 120; -90 -130]. 我想计算从B数组的每个坐标到每个50个坐标的距离。计算完距离后，我必须将所有的距离值分别保存在一个数组(或矩阵)中，以便以后检索它们。请帮我计算一下距离。 clear all
clc
%Common Parameter Setting
N=2; % Number of variables
M=50; % Populations size 50
F=0.5; % Mu
浏览 36提问于2019-03-14得票数 1
回答已采纳
1回答
我有一个矩阵，它在DolphinDB中表示一组列向量。将每行视为向量的一个分量，将每列视为一个列向量。
例如，下面的3*4矩阵A表示具有3个分量的4个列向量。
A = (1 4 5 -2 -3 6 9 4 3 1 0 3)$3:4
我想计算这些向量的成对欧几里得距离。有什么方法可以避免使用FOR循环吗？
浏览 1提问于2020-02-16得票数 0
1回答
计算大圆距离矩阵
、、
dist(coords)使用欧氏距离提供距离矩阵；它还提供了其他几个选项。但它并没有提供任何选项，如哈弗森公式。
distHaversine()计算给定两组lat/长坐标的距离(大圆)。我想知道是否有一个现有的包/函数，它使用haversine公式计算大圆距离矩阵。
浏览 4提问于2014-05-12得票数 2
回答已采纳
1回答
三维点距离矩阵的计算
、、、
我在Matlab中有列表xA、yA、zA和lists、yB、zB。包含A型和B型点的x、y和z坐标。A和B型点的数目可能不同。
我想要计算一个矩阵，其中包含A型和B型点之间的欧氏距离。当然，我只需要计算矩阵的一半，因为另一半包含重复的数据。
最有效的方法是什么？
当我做完这件事后，我想找出B型最接近A型点的点，然后如何求出B型最接近，第二最近，第三最近点等坐标呢？
浏览 11提问于2022-03-12得票数 2
回答已采纳
1回答
我有一个100行的矩阵。有没有办法获得与第一行最相似的10行的子集？
res2 <- matrix(rexp(200, rate=.1), ncol=10, nrow=100)
set1 <- subset(res2, res2 >condition1)
set1[with(set1, order(condition)), ]
set2 <- head(set1,10)
浏览 0提问于2012-08-04得票数 0
回答已采纳
2回答
我有一个数据集，X，即m x 2，以及三个向量存储在矩阵C = [c1'; c2'; c3']中，即3 x 2。我试图将我的代码矢量化，为X中的每个数据点找到C中最接近的向量(平方距离)。我想从C中的每个向量(行)中减去X中的每个向量(行)，从而得到X元素和C元素之间差异的m x 6或3m x 2矩阵。我的当前实现一次在X中执行一行操作：
for i = 1:size(X, 1)
diffs = bsxfun(@minus, X(i,:), C); % gives a 3 x 2 matrix result
[~, idx(i)] = min(su
浏览 4提问于2013-06-18得票数 3
回答已采纳
我需要从一个矩阵创建一个距离矩阵，它返回列之间的距离。
，我知道存在一个名为dist()的函数，但是我不能使用它，因为我不会使用普通的距离函数。
我在考虑使用申请，但我不知道怎么写。
我创建的循环是：
dista <- function(A,distance){
dist_matrix=matrix(0,dim(A)[2],dim(A)[2])
for (i in 1:(dim(A)[2]-1)){
for(j in (i+1):(dim(A)[2])){
if(distance=='cosine') dist_matrix[j,i]<
浏览 4提问于2016-06-21得票数 3
回答已采纳
2回答
我正在寻找一种聚类算法，通过使用对象的成对距离来对对象进行聚类，而不需要计算所有成对距离。
通常，成对的聚类如下所示：(请参阅这里)
计算对象的所有成对组合之间的全距离矩阵
假设距离为非欧氏距离，则可以在距离矩阵上使用谱聚类或亲和力传播，并检索聚类结果。
然而，
来了：
计算所有对组合对象的全距离矩阵在计算上是非常昂贵的。所以我的想法是，是否有一些聚类算法只对成对距离的子集进行查找，所以不需要计算整个矩阵？
我知道谱聚类也适用于稀疏矩阵，但是由于理论上可以计算所有成对距离，所以哪一种距离应该被忽略？
很想听听你的想法，谢谢！
浏览 0提问于2019-03-08得票数 5
回答已采纳
需要找到python函数，其工作方式类似于R func：
proxy::simil(method = "cosine", by_rows = FALSE)
即，通过逐对计算数据行之间的余弦距离来寻找相似矩阵。如果NaNs存在，则应该在这2行中删除带有NaNs的确切列。
upd.我还尝试从中删除循环中每对行中的，使用余弦 func。它给出了与R相同的结果，但工作时间:(
浏览 0提问于2019-01-17得票数 1
回答已采纳
1回答
因此，基本上我试图计算在单个视频中变化的镜头数量。目前我对淡入/淡出算法不感兴趣，但仅仅是场景总数的变化。
我想出了以下算法，但有点坚持从相似度矩阵中获取标量值：
videoPlayer = vision.VideoPlayer;
Frame1 = step(videoFReader);
for i=1:n - 1
step(videoPlayer, Frame1);
Frame2 = step(videoFReader);
hist1 = imhist(Frame1);
hist2 = imhist(Frame2);
D = pdist2(hi
浏览 0提问于2015-02-05得票数 1
2回答
我有过
X = (Yt.*sin(W))-(Xt.*cos(W));
Y = (Yt.*cos(W))+(Xt.*sin(W)); % which give the coordinates X and Y.
X_inv = R.*sin(B_involute);
Y_inv = R.*cos(B_involute); % which give the coordinates X_inv and Y_inv.
我需要找到X，Y和X_inv，Y_inv之间最近的两个点。
从现在开始非常感谢。
浏览 3提问于2015-11-29得票数 2
回答已采纳
1回答
计算与外部文件的成对距离
、、、
我有以下格式的文本文件中的数据：
t x y z
Pb 1.0000 1.5000 2.5000
Pb 1.1000 1.6000 2.6000
S 1.2000 1.4000 2.4000
我希望能够计算我拥有的所有坐标的成对距离，但以某种方式保留原子物种身份(即附加一个字符串，描述在计算中使用的t值)。我使用的成对距离公式就是欧几里得距离矩阵：
r_ij = abs(ri - rj)
其中ri/rj是3D空间中的坐标。
使用这种方法，我可以很容易地找到r_ij的值(并重新格式化数据，使其成为坐标数据的3xN数值数组)：
def r_ij_numpy(coords):
浏览 7提问于2020-05-16得票数 0
4回答
假设我们有一个3D PyTorch张量，其中第一个维度表示batch_size，如下所示：
import torch
import torch.nn as nn
x = torch.randn(32, 100, 25)
也就是说，对于每个i，x[i]是一组100个25维向量。我想为每个批次项目计算这些向量的相似度(例如，余弦相似度--但通常是任何这样的成对距离/相似度矩阵)。
也就是说，对于每个x[i]，我需要计算一个[100, 100]矩阵，该矩阵将包含上述向量的成对相似性。更具体地说，对于所有t=1, ..., batch_size，此矩阵的(i，j)-th元素应包含第( 100x25)
浏览 32提问于2020-03-01得票数 4
1回答
下面的欧氏距离算法创建了一个MxM矩阵，表示MxN输入矩阵中各行之间的距离(代表某些N维空间中的点)。该算法的速度以O(m^2)为单位。如果只对彼此最接近的行(即点)感兴趣，这是否可以得到改进？(我的下游任务包括执行K等)
import numpy as np
vectors = np.random.randn(100, 20)
m = vectors.shape[0]
distances = np.zeros([m, m])
for i in range(m):
vec = vectors[i]
distances[i] = [np.linalg.norm(vec -
浏览 2提问于2022-08-02得票数 2
回答已采纳
1回答
我想计算输入特征向量Y (1x14)到矩阵X (18x14)中所有特征向量的mahalanobis距离。X的每6个向量代表一个类(所以我有3个类)。然后，基于mahalanobis距离，我将选择离输入最近的向量，并将其分类为三个类中的一个。
我的问题是，当我使用下面的代码时，我只得到一个值。怎样才能得到输入Y和X中每个向量之间的mahalanobis距离，最后我有18个值，然后选择最小的一个。任何帮助都将不胜感激。谢谢。
注意:我知道mahalanobis距离是点P和分布D之间距离的度量，但我不知道这在我的情况下是如何应用的。
Y = test1; % Y: 1x14 vect
浏览 1提问于2016-01-15得票数 1
回答已采纳
1回答
我找到了一个链接，它向您展示了如何用随机数构造一个矩阵：
#random symmetric matrix with diagnoal elements as 0
A <- matrix(runif(16), 4, 4)
A1 = A %*% t(A)
out_1 = A1 - diag(diag(A1))
[,1] [,2] [,3] [,4]
[1,] 0.00 20371.54 19136.91 18380.49
[2,] 20371.54 0.00 19392.13 19476.78
[3,] 19136.91
浏览 5提问于2022-02-11得票数 0
回答已采纳
1回答
我试图在Elki中使用预先计算的距离，但由于某种原因，它无法工作。我已经阅读了这里的说明：和SO：上的这个问题。
不幸的是，我仍然无法让ELKI工作。
这是我在bash中运行的命令：
java -jar elki.jar -verbose -dbc.filter FixedDBIDsFilter -dbc.startid 0 -dbc.in elki_dummy_ids -algorithm clustering.kmeans.KMeansLloyd -algorithm.distancefunction external.FileBasedDoubleDistanceFunction -
浏览 2提问于2014-08-28得票数 0
回答已采纳
1回答
我正在计算向量元素之间的欧几里得成对距离。我使用sklearn包中的pairwise_distances函数。然而，某些元素的结果矩阵仅是近似对称的:在一个示例中，假设相等的元素的值仅等于小数点后15位。
我意识到了这一点，因为我在假设输入矩阵对称的下游分析中遇到了错误。我知道我可以对值进行四舍五入，但是是什么导致了这种情况呢？！
下面是我试图计算成对距离的向量(它是pandas数据帧的一列)：
lag_measure_data[['bios_level']].values
array([[ 0.7688103094999999553849079347855877131223
浏览 0提问于2017-01-16得票数 2
通常，当我做树状图和热图时，我使用一个距离矩阵，并做一些SciPy的事情。我想试一试Seaborn，但是Seaborn希望我的数据是矩形的(rows=samples，cols=attributes，不是距离矩阵)？
实际上，我想使用seaborn作为后端来计算我的树状图，并将它连接到我的热图上。这个是可能的吗？如果没有，这是否可以成为未来的一项功能。
也许有一些参数我可以调整，这样就可以用距离矩阵代替矩形矩阵？。
下面是用法：
seaborn.clustermap¶
seaborn.clustermap(data, pivot_kws=None, method='average'
浏览 3提问于2016-08-01得票数 27
回答已采纳
2回答
我正在尝试计算两个矩阵，其中一个是400*2，另一个是20*20。第一个包含400个点的x和y坐标，第二个是另外400个点，其中x是第二个(i，i)，y是(i，k)。我试图计算这两个矩阵点之间的距离，这将得到400*400矩阵。我使用的代码是；
for i=1:20
for j=1:400
for k=1:20
L(j,)=sqrt((C(j,1)-M(i,i))^2+(C(j,2)-M(k,i))^2);
end
end
end
C是第一个矩阵，M是第二个矩阵。现在我知道我让它听起来有点难，但问题是我找不到一个计数器来给L(j，
浏览 2提问于2011-11-22得票数 0
我有两个数组A和B。A的形状是(m,3)，B的形状是(n，3)。 这些矩阵如下所示： A
#output
array([[ 9.227, -4.698, -95.607],
[ 10.294, -4.659, -94.606],
[ 11.184, -5.906, -94.675],
...,
[ 19.538, -91.572, -45.361],
[ 20.001, -92.655, -45.009],
[ 19.271, -92.726, -45.79 ]]) 所以它包含了每一行，一个三维点的坐标x，y，z。B遵循相同的格式。 我有这个函数(
浏览 41提问于2020-02-03得票数 2
回答已采纳
2回答
稀疏共生矩阵的聚类
、、、
我有两个N共现矩阵(484x484和1060x1060)，我必须加以分析。矩阵沿对角线对称，包含大量的零值。非零值是整数.
我想把非零的位置组合在一起。换句话说，我想做的是算法。当选择按簇排序时，矩阵将被重新排列成行和列，以便将非零值分组在一起。
因为我使用Python来完成这个任务，所以我查看了库，但是找不到我要找的东西。
任何帮助都是非常感谢的。提前谢谢。
浏览 10提问于2017-06-04得票数 5
回答已采纳
2回答
我正试图找到一种最快的方法，在Python中执行以下成对距离计算。我想用距离来根据list_of_objects的相似性对它们进行排序。
list_of_objects中的每一项都有四个测量值a、b、c、d，它们的尺度非常不同，例如：
object_1 = [0.2, 4.5, 198, 0.003]
object_2 = [0.3, 2.0, 999, 0.001]
object_3 = [0.1, 9.2, 321, 0.023]
list_of_objects = [object_1, object_2, object_3]
其目的是在list_of_objects中得到对象的成对距离矩
浏览 2提问于2013-11-20得票数 10
2回答
实现聚类的邻近度矩阵
、、、
请原谅，我是这个领域的新手，所以如果这个问题听起来微不足道或基本的话，请原谅。
我有一组数据集(具体地说是词袋)，我需要通过使用它们彼此之间的编辑距离来生成接近度矩阵，以找到并生成接近度矩阵。
然而，我很困惑如何在矩阵中跟踪我的数据/字符串。我需要邻近度矩阵来进行聚类。
或者，在这个领域，你通常是如何处理这类问题的。我使用perl和R来实现这一点。
下面是我用perl编写的一个典型代码，它从包含我的词袋的文本文件中读取内容
use strict ;
use warnings ;
use Text::Levenshtein qw(distance) ;
main(@ARGV)
浏览 0提问于2011-08-09得票数 6
回答已采纳
1回答
对于非常大的稀疏向量，计算距离/邻近矩阵的最佳方法是什么？例如，您将得到以下设计矩阵，其中每行为68771维稀疏向量。
designMatrix <5830x68771型稀疏矩阵与压缩稀疏行format>中存储的1229041个元素
浏览 2提问于2011-03-18得票数 1
回答已采纳
我有一个关于旋转(R)和平移(T)矩阵的问题，我希望有人能帮助我，因为我们在机器人学中经常使用R和T来找到机器人的位置。
我有相对于相机帧的对象帧的R和T，以及关于同一相机的第二个对象的R和T。如果两个对象都在一个公共表面/平面上
问题#1：(在同一表面/平面上)这意味着两个物体相对于相机的R是相同的！这个假设是正确的吗？
问题#2:如何使用平移矩阵计算对象之间的距离(例如沿x或y轴)？
我有一个1x3的平移矩阵和一个3x3的旋转矩阵，我从R和T导出了一个4x4的变换矩阵=>
提前感谢
浏览 0提问于2012-01-28得票数 6
回答已采纳
1回答
我有一个问题，计算由一个大的(200000x200000)矩阵表示的网络函数的约化，该矩阵生成为点对之间的距离矩阵。
最小示例，输入X一个200000x2数组的笛卡尔坐标：
x = tf.constant(X[:,0], shape=[X.shape[0],1])
y = tf.constant(X[:,1], shape=[X.shape[0],1])
dx = x - tf.transpose(x)
dy = y - tf.transpose(y)
D = tf.sqrt(dx*dx + dy*dy)
M = 0.1 * 5.0 / tf.pow(4.0 + D, 1.5)
res = t
浏览 0提问于2016-06-02得票数 0
1回答
通过输入矩阵/数据帧(x)和指定距离度量(例如Euclidean)，例如stats R包中的dist函数(默认)，可以构造距离矩阵。proxy R包具有扩展stats:dist的dist函数(是的，同名)：它具有参数method，用户可以从中传递函数、注册表项或引用邻近度量的助记符字符串。这是非常方便的，如果用户有自己的距离测量作为一个功能。例如(来自proxy中的帮助文档)：
## input matrix
x <- matrix(rnorm(16), ncol = 4)
## custom distance function
f <- function(x, y) sum(x
浏览 5提问于2013-10-02得票数 2
回答已采纳
我正在计算我自己的距离矩阵，如下所示，我想使用它进行聚类。
import numpy as np
from math import pi
#points containing time value in minutes
points = [100, 200, 600, 659, 700]
def convert_to_radian(x):
return((x / (24 * 60)) * 2 * pi)
rad_function = np.vectorize(convert_to_radian)
points_rad = rad_function(points)
#genera
浏览 5提问于2020-06-05得票数 2
回答已采纳
2回答
我需要计算二维空间中一组点的空间三点相关函数P(r1，r2)。现在，我只需要遍历所有三重奏点，计算出三重奏内点对之间的距离r1和r2，然后绘制二维直方图，给出所需的三点相关性。然而，这需要大量的时间，即使是适度的点数。
问题是可否加快计算速度？
r1 = []
r2 = []
points = [[numpy.random.random(1), numpy.random.random(1)] for i in range(100)]
for x in points:
for y in points:
for z in points:
浏览 16提问于2014-04-15得票数 2
回答已采纳
1回答
这是我的代码：
import numpy as np
from scipy.cluster.hierarchy import fclusterdata
def mydist(p1,p2):
return 1
Y = np.random.randn(100000,2)
fclust1 = fclusterdata(Y, 1.0, metric=mydist)
它会产生以下错误：
MemoryError Traceback (most recent call last)
<ipython-input-52-818db87
浏览 3提问于2017-02-15得票数 3
回答已采纳
1回答
我不是R方面的专家，也不擅长统计，所以我会很简短。
我使用R来获得一个矩阵的距离矩阵，如下所示，它在R上出现的方式。
当我应用dist(矩阵)时，我看到以下内容：
1 2 3 4 5 6
2 16.155494
3 5.830952 15.329710
4 2.236068 18.055470 6.24
浏览 1提问于2012-05-13得票数 1
回答已采纳
我有一个简单的函数来计算两个向量之间的距离，这样距离=点积/两个向量中元素的和。
function d = simpleDistance(a,b)
d = dot(a,b)/ (sum(a) + sum(b));
end
例如：simpleDistance([1 2], [3 4]) = (3 + 8) / (3 + 7) = 11/10 = 1.1
给定这个小矩阵r，我想计算r中每两行之间的相似性(距离= simpleDistance)。
r =
1 2
5 0
3 4
而不是两个嵌套循环，我想使用pdist函数，因为它要快得多！
n = siz
浏览 0提问于2014-03-12得票数 0
回答已采纳
1回答
二维空间中的匹配点
、、、
我有两个矩阵，A和B，都是Rows X 2大小的，其中Rows = m , n分别代表A和B。这些m和n表示欧氏空间中的点。
我希望执行的任务是匹配来自A和B的最大点数(假设A的点数小于B)，条件是距离小于阈值d，并且每对都是唯一的。
我见过这个，但是这不能解决我的问题，因为A中的每个点都选择了B中的最小值。然而，我从A和B中选择的第一对可能是错误的，导致匹配对的数量减少。
我正在寻找一个快速的解决方案，因为A和B都包含大约1000个点。此外，还会留下一些要点，我知道这会导致详尽的研究。
我正在寻找一种解决方案，在matlab中有一些内置的函数，或者使用数据结构来帮助使用matlab代
浏览 1提问于2013-03-31得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
