1

我有一个 12x202 矩阵（12 个实例，有 202 个特征）。我想计算每 12 个实例之间的马氏距离，但似乎列数不能大于实例数（行）。（我在计算 12x11 矩阵的距离时没有问题，但超过 11 个特征会在 MATLAB 中使用linkage(X,'ward','mahalanobis');ormahal(X,X);或导致错误pdist2(X,X,'mahalanobis');）

Cygwin 链接共享库

更新：

删除了关于 .so 文件的旧问题。它们不适用于 Windows。

我使用头文件解决了以下问题。我猜每次使用 C++ 链接时使用 .h 文件是一种标准约定吗？

mydll.h：

#ifndef mydll_h_
#define mydll_h_
void hello();
#endif

myprog.cc：

#include "mydll.h"
int main ()
{
  hello ();
  return 0;
}

mydll.cc：

#include <iostream>

void hello()
{
  std::cout << "Hello World!\n";
}

或者，我在本指南中尝试使用 Cygwin 的 .dll 库：https ://cygwin.com/cygwin-ug-net/dll.html

他们的 .c 文件的编译工作，但我试图让它为我的 .cc 文件工作。有任何想法吗？

mydll.cc：

#include <iostream>

void hello()
{
  std::cout << "Hello World!\n";
}

myprog.cc：

int main ()
{
  hello ();
  return 0;
}

我输入：

g++ -c mydll.cc
g++ -shared -o mydll.dll mydll.o

但是当我输入：

g++ -o myprog myprog.cc -L./ -lmydll

我得到：

myprog.cc: In function ‘int main()’:
myprog.cc:4:10: error: ‘hello’ was not declared in this scope
   hello ();
4

1 回答 1

0

如果您查看mahal 函数的matlab 文档，它会显示：

X 和 Y 必须具有相同的列数，但可以具有不同的行数。X 的行数必须多于列数。

我的统计不太好，所以我不确定为什么这个条件很重要，但我认为这是出于效率原因，而且 12 项措施的数量太少，所以考虑采取更多措施。

您可以做的事情是自己计算马哈拉巴尼距离，很容易在同一个文档中获得公式，并且给出的示例可以更好地计算马哈拉巴尼距离：

马氏距离也称为二次距离。它测量两组对象的分离。假设我们有两组均值 和 ，马氏距离由下式给出

不同的群体也是如此，而不是相同的群体。

在任何情况下，您都可以使用它：

function MD = my_MahalanobisDistance(X, Y)

[nX, mX] = size(X);
[nY, mY] = size(Y);

n = nX + nY;

if(mX ~= mY)
    disp('Columns in X must be same as in Y')
else
    xDiff = mean(X) - mean(Y);
    cX = my_covariance(X);
    cY = my_covariance(Y);
    pC = nX/n*cX + nY/n*cY;          
    MD = sqrt(xDiff * inv(pC) * xDiff');
end

对于协方差：

function C = my_covariance(X) 
[n,m] = size(X); 
Xc = X -repmat(mean(X),n,1); 
C = Xc'* Xc/n;

我希望这对你有帮助

于 2016-08-25T08:17:58.880 回答