问题标签 [distance-matrix]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
javascript - 无法访问从谷歌距离矩阵函数派生的变量的值
我正在使用谷歌距离矩阵 api 来获取两个位置之间的距离。我在全局范围内声明了一个变量。在函数中更改了此变量。但按照正常情况,我应该能够在调用我的函数后访问这个更改的变量值。但是现在我无法访问变量的更改值。我的代码是:
我得到的结果是:----“结局距离未定义”“这是覆盖的距离 2,903 英里”
现在我不知道为什么“这是覆盖 2,903 英里的距离”首先出现以及为什么我无法获得变量的更改值
python - python中每个像素的距离图
在 Python 中实现距离图时,我需要一些帮助。
我有一个 numpy 格式的二进制迷宫(1 = 墙壁,0 = 空闲空间),我想在其中实现从迷宫中某个点传出的距离图。距离图不得穿墙。
我的迷宫看起来像这样,距离图应该从蓝色区域出来。我拥有的二进制映射
我认为距离图应该从蓝色区域向外演化,并给迷宫中的每个体素一个代表最短距离的值。为了给你一个想法,我认为距离图应该以这种方式发展
有人知道如何实现这个甚至是代码示例吗?
感谢您的每一个帮助!
我在以下 WeTransfer 链接https://wetransfer.com/downloads/63800d0f06667fa7644a4a5d1a68fc5a20200121121741/744d2c中上传了 numpy
我使用的起点是 (56,104)
python - 如何在 keras 中生成可变大小的距离矩阵?
我现在想要实现的是在 Keras 中创建一个自定义损失函数,它分别接收两个(y_true, y_pred)
形状为(None, None, None)
和的张量(None, None, 3)
。然而,None
是这样的,这两个形状对于每个 总是相等的(y_true, y_pred)
。从这些张量中,我想生成两个距离矩阵,其中包含每个可能的点对之间的平方距离(第三个长度为 3 的维度包含 x、y 和 z 空间值),然后返回这些距离矩阵之间的差。我尝试的第一个代码是这样的:
(K 是 TensorFlow 后端。)不用说,我得到了以下错误:
这是可以理解的,因为range(None)
没有多大意义 and y_true.shape[0]
or y_pred.shape[0]
is None
。我搜索了其他人是否遇到了同样的问题,我发现我可以使用scan
TensorFlow 的功能:
我从中得到的是一个不同的错误,我不完全理解。
所以这也进入了垃圾箱。我最后一次尝试是使用后端的map_fn
功能:
这并没有引发错误,但是当训练开始时,损失是恒定的 0 并保持不变。所以现在我没有想法,我请你帮我解决这个问题。我已经尝试在 Mathematica 中做同样的事情并且也失败了(如果有帮助,这里是相应问题的链接)。
osrm - OSRM Table API 不返回距离
我正在尝试获取所需位置的距离矩阵。如 OSRM-Table Service docs中所述,我已尝试修改与http://router.project-osrm.org/table/v1/driving/13.388860,52.517037;13.397634,52.529407;13.428555,52.523219&annotations=distance
. 响应显示错误为:
{ "message": "坐标无效:13.397634,52.529407&annotations=distance,duration", "code": "InvalidInput" }
但是,当我在没有 的情况下运行它时annotations
,我能够得到正确的响应。
这里的问题是我没有距离矩阵。任何人都可以请提出原因或如何解决它?
here-api - 这里的地图:路由 - 计算矩阵响应显示在少数国家/地区的少数起点到目的地的组合的失败状态
进行 Rest 调用以计算具有多个起点和目的地的 HERE 路由矩阵,但仅针对直接的一对一起点和目的地获得正确响应并获取状态:其他内部组合失败(仅获取主要对角线值)。仅在少数国家(这里是印度)面临这个问题,但在网站上为样本工作(欧洲)
休息 GET 调用:https://matrix.route.ls.hereapi.com/routing/7.2/calculatematrix.json?apiKey=<API_KEY>&mode=balanced;car;traffic:disabled&summaryAttributes=distance,traveltime&start0=17.251160,78.437737&destination0=16.506174,80.648018&start1=13.069166,80.191391&destination1=12.971599,77.594566
回复:{
"response": {
"metaInfo": {
"timestamp": "2020-02-04T12:36:09Z",
"mapVersion": "8.30.105.150",
"moduleVersion": "7.2.202005-6333",
"interfaceVersion": "2.6.75",
"availableMapVersion": [
"8.30.105.150"
]
},
"matrixEntry": [
{
"startIndex": 0,
"destinationIndex": 0,
"summary": {
"distance": 286827,
"travelTime": 24236,
"costFactor": 24029
}
},
{
"startIndex": 0,
"destinationIndex": 1,
"status": "failed"
},
{
"startIndex": 1,
"destinationIndex": 0,
"status": "failed"
},
{
"startIndex": 1,
"destinationIndex": 1,
"summary": {
"distance": 339029,
"travelTime": 26924,
"costFactor": 26845
}
}
]
}
}
python - 如何创建已知距离的距离矩阵?
我有一个.csv。文件看起来像:
所需的输出是一个数字列表,例如:
有谁知道如何用 Python 编写代码?
谢谢你!
python - 启发式在阈值以上的相关矩阵中找到成对
我有N个大小为m的向量v。我可以像这样计算两个向量之间的相关性:
我想为每个向量 v1 找到一个相关值高于 0.9 的对向量 v2。我无法计算相关矩阵,因为我有大量向量( N > 3 百万)。
朴素的算法如下所示:
你有更好的算法建议吗?我认为我可以使用启发式算法来做到这一点,因为我不想要最大相关值,而只想要相关性在阈值之间的其他值。
r - 从距离矩阵创建系统发育树(Newick 文件)?
我已经建立了我的基因簇,并且已经计算了测量它们的系统发育关系所需的距离。我使用的算法基本上给出了基因簇之间距离的度量,并在数据框中表示,例如(输入示例):
目标:是否可以仅基于此类数据构建树?我也想为此提供一个 .newick 文件,但我不确定这是否可以使用 R。
但是,我已经能够通过Cytoscape从这些数据创建网络可视化,但不可能是一棵树。对这个特定示例有任何进一步的建议吗?
再次感谢您的意见:)
javascript - -[object Object]- Google 距离矩阵上的错误 - Android 和 iOS
突然,没有任何代码更改,我的应用程序停止工作。这是带有驾驶员/乘客应用程序的出租车系统。
现在,当乘客选择起点和终点时 - 而不是计算路线,我得到:
未知错误-[object Object]-
在开发者控制台中启用了计费,启用了距离矩阵,启用了 API 密钥,没有任何改变 - 但应用程序(两个操作系统)抛出错误。
任何帮助或建议表示赞赏。我知道这是与 javascript 数组/字符串相关的,但没有任何代码更改
编辑
额外的 logcat 错误:
r - R中的聚类时间序列-K均值准确吗?
我的数据集由 105 个国家(行)的 14 年(列)相同指数的测量组成。我想根据一段时间内的指数趋势对国家/地区进行聚类。
我正在尝试利用 DTW 距离矩阵(包)的分层聚类( hclust
)和 K Medoids( )。pam
dtw
我还尝试了 K 均值,使用 DTW 距离矩阵作为函数的第一个参数kmeans
。该算法有效,但我不确定其准确性,因为 K 均值利用欧几里德距离并将质心计算为均值。
我也在考虑直接使用数据,但我无法理解结果如何准确,因为该算法会将同一变量随时间的不同测量视为不同变量,以便计算每次迭代的质心和欧几里德距离将观察结果分配给集群。在我看来,这个过程似乎不能对时间序列以及 Hierarchical 和 K Medoids 聚类进行聚类。
在对时间序列进行聚类时,K 均值算法是一个不错的选择,还是最好使用利用距离概念的算法作为 DTW(但速度较慢)?它是否存在允许使用具有距离矩阵的 K 均值算法或特定包对时间序列数据进行聚类的 R 函数?