问题标签 [distance-matrix]

我dist在 R 中使用了这个函数，我想知道它的时间复杂度。

我知道层次聚类具有N^2*logN时间复杂度。层次聚类由两部分组成，如下R中的代码。

在应用层次聚类之前，需要计算距离矩阵。我认为这需要N^2复杂性？

我的问题大致如下。给定一个数字矩阵 X，其中每一行是一个项目。我想根据除自身之外的所有行中的 L2 距离找到每一行的最近邻居。我尝试阅读官方文档，但对于如何实现这一点仍然有些困惑。有人可以给我一些提示吗？

我的代码如下

我正在尝试将所有 i （即计算每行最小值）分布在不同的核心上。但是上面的版本显然不能正常工作。它甚至比顺序版本还要慢。有人可以指出我正确的方向吗？谢谢。

在构建了相邻距离矩阵之后，我正在尝试拟合空间滞后模型 ( spdep::lagsarlm)。我有两个问题，因为每次我读到它时，模型总是适合每个空间位置只有一个观察值（一行）的数据。

我的数据集对每个空间点都有可变数量的观察（但它不是时间数据），我想知道这样做是否有效，尤其是在创建距离矩阵时，因为我收到警告：

事实上，当我绘制邻居关系时，我得到了一个错误的图表（我猜算法认为重复的点是他们自己的邻居，所以它们被隔离了）；当我只过滤第一个度量时，情节就可以了。

所以我对我的lagsarlm模型在第一种情况下的结果不是很有信心..

但是，如果我尝试用更大的数据集拟合我的模型，但使用正确的邻居矩阵，它会抱怨

最后，我该如何处理这些数据？谢谢。

我的代码中的瓶颈是我计算成对距离矩阵的区域。由于这是迄今为止最慢的部分，我花了很多时间来加速我的代码。

我发现许多使用在线文章的加速，但收益微乎其微。因此，我正在寻找一种方法来使用我的 GPU 创建距离矩阵，以进一步加快速度。但是，我对使用 GPU 进行计算知之甚少。 谁能帮我做到这一点？

在我的研究中，我发现了以下内容，但他们都没有使用 GPU：

1. 这篇文章很有用，但加速很少。
2. 本文提供了有关如何使用 cython 和 numba 的信息。

以下是如何计算成对距离矩阵的示例片段：

我的显卡是 Nvidia Quadro M2000M

我正在尝试将所有给定文档之间的距离存储到距离矩阵中。

这是我的代码：

但运行代码后，出现以下错误：

IndexError: list assignment index out of range

谁能告诉我应该更改什么才能使我的代码正常工作？

我目前有一个这样的矩阵：

这样第一个数组是从城市 1 到 2、3、4、5、6、7、8 的距离，第二个是从城市 2 到 3、4、5、6、7、8 的距离……第 7 个数组是从城市 7 到城市 8 的距离。我需要将其转换为适当的距离矩阵。

到目前为止，我已插入 0 使其大小为 7，它变为：

然后我做了

它变成：

然后我插入 0 以包括从城市到同一城市的距离：

最后加上最终城市的距离：

但我似乎在某个地方出错了，因为我没有生成正确的距离矩阵。我相信这可能是 distances[i][j]=[j][i] 位，但我不完全确定。

我正在开发我的第一个 Cuda 应用程序，并且我有一个“低于预期吞吐量”的内核，这似乎是目前最大的瓶颈。

内核的任务是计算一个 N × N 大小的矩阵 ( DD)，其中包含数据矩阵上所有元素之间的平方距离。数据矩阵 ( Y) 的大小为 N × D（以支持多维数据）并存储为行优先。

来源：

这是用size_t blockSize = 256and调用的size_t numBlocks = (N*N + blockSize - 1)/blockSize。

如何优化这个内核？我最初的想法是，耗时的部分是在不利用某种共享内存的情况下读取数据，但是谁能给我一些关于如何解决这个问题的指针？

nvvc分析工具的备注：

• 延迟分析：
  • 计算利用率约为 40%
  • 内存（L2 缓存）利用率约为 35%
• 入住不是问题
  • Active Warps 为 57.59，理论值为 64
  • 入住率为理论 100 的 90%

对于我的应用程序，典型值为：

• 5k < N< 30k
• D是 2 或 3

我正在帮助为三年级课程组建一个空间 R 实验室，其中一项任务将是确定一个与一组多个其他站点最近（即平均最短距离）的特定站点。

我有一个距离矩阵dist_m，我使用gdistance::costDistance它生成的看起来像这样：

dist_m打印时的样子：

期望的输出：从这个 dist 我希望能够识别具有最低平均距离的索引值（ 、 或1）2。在此示例中，它将是 index ，其平均距离为。理想情况下，我也希望返回平均距离（）。3446.906.90

我可以通过执行以下操作找到单个索引的平均距离：

但是，理想情况下，我想要一个解决方案，直接识别具有最小平均距离的索引，而不是手动插入索引值（实际数据集将比这大得多）。

由于这是针对大学课程的，我希望任何解决方案都尽可能简单：对于 R 语言经验很少的学生来说，for 循环和应用函数可能很难掌握。

我试图找到一种将距离矩阵可视化为网络的方法。我遇到了一个类似问题的答案：https ://stackoverflow.com/a/37832966/8767973

虽然非常有帮助，但我对 R 的了解还不够，无法知道使用 qgraph、igraph 或 ggnet 之间的区别。

我有 9 个样本，每个样本都可以用一个向量表示。我已经使用欧几里得或马氏计算了两个距离矩阵，我希望能够将两者可视化为单独的网络。我想我需要使用一些力导向图形绘制算法的实现。

谢谢

我正在使用 OpenCV 在 Python 中处理二进制图像。我有两组点：PNodes 和 FNodes。我想找到最接近每个 FNode 的 PNode（最短 m 路径）；在 8 连通棋盘距离方面最接近。

在下面的示例中，假设 PNode（由 * 捐赠）是：(6,1)、(6,5) 和 (5,8)。（索引从 0 开始，第一个元素是行号）。FNodes（用#表示）是：（0,1），（0,9），（1,6），（2,5）和（4,3）。

我不关心距离的确切值，我只想找出最近的一对。像这样：(0,1) 处的 FNode 最接近 (6,1) 处的 PNode。(4,3) 处的 FNode 最接近 (6,1) 处的 PNode。所有距离均以 8 连接棋盘距离表示。

整个过程的最终要求：基本上，我只想确保所有 PNode 至少有 1 个 FNode，它们位于给定的距离范围内（沿着 1s 的路径）。

假设 PNode (PN_1) 有一个位于所需距离范围内的 FNode (FN_1)，我还要确保 PN_1 最接近 FN_1，而不是任何其他 PNode。

为了更好地理解，我在下面附上了一张图片；FNodes 是矩形的，PNodes 是圆形的。

我不关心这个矩阵中的其他元素，除了 PNodes 和 FNodes，如图所示。