我想在matlab中实现相似度搜索。我想知道这可能吗？
我的计划是使用 2 种流行的相似度度量，即欧几里德距离和动态时间规整。这两个都将应用于时间序列数据集。我现在的问题是如何评估这两种测量性能和准确性？我看到一些文献说我应该使用 K-NN 算法。
然后，我计划在时间序列数据集上应用降维。降低数据集的维数后。我需要使用 R-tree 或任何可用的索引技术来索引数据集。
但是我的问题是，要做到这一点，我需要 R-tree matlab 代码，我在互联网上几乎找不到任何代码......
我确实意识到大多数相似性搜索的实现都是用 C++、C 和 Java 实现的……但我不熟悉这些。我希望我可以在 Matlab 中实现这些......任何大师都可以帮助我吗？
另外，我可以进行什么样的评估来评估每种算法的性能。
谢谢
最近（我相信是 R2010a），MATLAB 在 Statistics Toolbox 中添加了使用KD-tree（一种类似于 R-tree的空间索引方法）进行k-Nearest Neighbor (kNN)搜索的新功能。例子：
load fisheriris % Iris dataset
Q = [6 3 4 1 ; 5 4 3 2]; % query points
% build kd-tree
knnObj = createns(meas, 'NSMethod','kdtree', 'Distance','euclidean');
% find k=5 Nearest Neighbors to Q
[idx Dist] = knnsearch(knnObj, Q, 'K',5);
有关详细说明，请参阅此页面。
此外，如果您有图像处理工具箱，它包含（很长一段时间以来）kd-tree 和 kNN 搜索的实现。它们是私有函数：
[matlabroot '\images\images\private\kdtree.m']
[matlabroot '\images\images\private\nnsearch.m']
为了比较您的两种方法（动态时间扭曲和欧几里得距离），您可以设计一个经典的分类问题；给定一组标记的训练/测试时间序列，任务是通过使用 kNN 找到最相似的序列来预测每个测试序列的标签，然后预测多数类。要评估性能，请使用任何标准的分类度量，例如准确度/错误等。
事实证明，对于 ED 和 DTW，使用 UCR 套件进行顺序扫描要快得多。
观看此视频 https://www.youtube.com/watch?v=d_qLzMMuVQg
或这个