使用时遇到一个问题pdist
,如果您能给我一些建议,将非常感谢。pdist(D)
通常给出多维距离的总和,但是,我想单独获得距离。例如,我有S
一个 10*2 矩阵的数据集,我正在使用pdist(S(:,1))
和pdist(S(:,2))
分别获取距离,但是当数据有很多维度时,这似乎非常低效。有没有其他方法可以更有效地实现这一目标?提前致谢!
问问题
304 次
2 回答
3
假设您只想要点的各个维度之间的绝对差异,那就pdist
过分了。您可以使用以下简单功能
function d = pdist_1d(S)
idx = nchoosek(1:size(S,1),2);
d = abs(S(idx(:,1),:) - S(idx(:,2),:));
end
它返回 中所有行对之间的绝对成对差异S
。
在这种情况下
dist = pdist_1d(S)
给出相同的结果
dist = cell2mat(arrayfun(@(dim)pdist(S(:,dim))',1:size(S,2),'UniformOutput',false));
于 2017-11-19T17:57:52.137 回答
1
另一种选择是,因为您只是采用坐标的绝对差,所以使用bsxfun
:
>> D = randi(20, 10, 2) % generate sample data
D =
17 12
14 10
8 4
7 11
19 13
2 18
11 14
5 19
19 12
20 8
从这里开始,我们对数据进行置换,使坐标(列)延伸到第三维,行在第一维的第一个参数,第二维的第二个参数:
>> dist = bsxfun(@(x,y)abs(x-y), permute(D, [1 3 2]), permute(D, [3 1 2]))
dist =
ans(:,:,1) =
0 3 9 10 2 15 6 12 2 3
3 0 6 7 5 12 3 9 5 6
9 6 0 1 11 6 3 3 11 12
10 7 1 0 12 5 4 2 12 13
2 5 11 12 0 17 8 14 0 1
15 12 6 5 17 0 9 3 17 18
6 3 3 4 8 9 0 6 8 9
12 9 3 2 14 3 6 0 14 15
2 5 11 12 0 17 8 14 0 1
3 6 12 13 1 18 9 15 1 0
ans(:,:,2) =
0 2 8 1 1 6 2 7 0 4
2 0 6 1 3 8 4 9 2 2
8 6 0 7 9 14 10 15 8 4
1 1 7 0 2 7 3 8 1 3
1 3 9 2 0 5 1 6 1 5
6 8 14 7 5 0 4 1 6 10
2 4 10 3 1 4 0 5 2 6
7 9 15 8 6 1 5 0 7 11
0 2 8 1 1 6 2 7 0 4
4 2 4 3 5 10 6 11 4 0
这会产生一个 3-d 对称矩阵,其中
dist(p, q, d)
为您提供点之间的距离p
和q
尺寸d
dist(p, q, d) == dist(q, p, d)
如果你想要所有(或多个)维度之间的距离,你应该用p
它来把它放在一个向量中:q
squeeze
>> squeeze(dist(3, 5, :))
ans =
11
9
请注意,如果您使用的是 MATLAB 2016b 或更高版本(或 Octave),您可以创建相同的距离矩阵,而无需bsxfun
:
dist = abs(permute(D, [1 3 2]) - permute(D, [3 1 2]))
这种方法的缺点是它会创建完整的对称矩阵,因此您要生成每个距离两次,这可能会成为内存问题。
于 2017-11-19T19:16:40.237 回答