问题标签 [distance]

如何计算海上2个坐标之间的距离？我还希望能够在两个坐标之间绘制一条路线。

到目前为止，我发现的唯一解决方案是将地图拆分为像素，将每个像素标识为 LAND 或 SEA，然后尝试使用 A* 算法找到路径。然后将像素转换为相对坐标。

我可以购买一些软件包，但没有一个有在线扩展。searates.com是一项计算海港之间距离并在地图上绘制路径的服务

我正在寻找一种方法来计算地球上两点之间的距离。我们被告知使用 Haversine，它可以很好地计算 2 点之间的最短距离。

现在，我想计算点之间的“长距离”。因此，假设您有 2 个城市，A 在西部，B 在东部。我想知道从 B 到 A 的距离，如果我向东环游地球然后从西方到达 A。

我已经尝试在 hasrsine 函数中更改一些东西，但似乎不起作用。

任何人都知道我可以通过对 hasrsine 函数进行小的调整来简单地做到这一点吗？

这就是我现在正在使用的：

lat1, lat2, lng1, lng2 以弧度为单位

第 1 部分 = sin(lat2) * sin(lat1); 第 2 部分 = cos(lat2) * cos(lat1) * cos(lng1 - lng2);

距离 = 6378.8 * acos(part1 + part2);

我的看法是，您可以在两个城市之间在全球范围内画一个圆圈。该圆的周长减去短距离的长距离。但与回答的相反，圆的长度不等于地球的周长。这仅适用于赤道上的 2 个点。

Tnx杰伦

我想知道R中是否有一个内置函数可以找到两个数组之间的余弦相似度（或余弦距离）？

目前，我实现了自己的功能，但我不禁认为 R 应该已经自带了。

给定：A[1..n]实数数组。

目标：一个数组D[1..n]，使得

或者当没有更高值的元素时使用一些默认值（如 0）。我真的很想在这里使用欧几里得距离。

示例：

有什么办法可以打败明显的 O( n^2) 解决方案？到目前为止，我取得的唯一进展是D[i] = 1无论何时A[i]都不是局部最大值。我一直在想很多，并没有想出任何东西。我希望最终将其扩展到二维（矩阵也是如此）A。D

我在地球表面（或椭圆体上）的两个 WGS84 坐标之间有一条线段 AB，并且需要计算点 P 与线段 AB 上最接近 P 的点之间的距离。我怎样才能做到这一点？

任何帮助是极大的赞赏。

问候， 约臣

我对 SQL 很陌生。我有一个基于道路/里程记录的数据库。我的目标是沿道路每 52.8 英尺获得一个平均值。我的相关表每 15 英尺有一个数据，这个表当然有一个与主表相关的外键。

如果我想沿着给定的里程碑每 52.8 英尺提取一次平均值，我该怎么做？

示例数据：

第一个数据是道路的一个例子。第二个数据子集是我需要每 52.8 英尺查询一次的值。

谢谢

一位同学为班级打印了一张数据库图，用线条表示表之间的关系。但是，他的台词遍地都是，看起来很难看。

所以我开始考虑一种移动桌子的方法，以最小化总线距离，我想不出一种方法来做到这一点，除了将它们全部移动到彼此之上。所以基本上：给定一些 2d 坐标空间上的 N 个项目和这些项目对之间的一定数量的连接，你如何移动项目以使对之间的总距离最小，但没有距离小于 S？（这样表格就不会靠得太近）有什么算法可以解决这个问题吗？

（我意识到最小的总距离不一定会使布局不那么难看；线条可能仍然交叉。但表格布局正是让我想到的）

因此，假设我在 A 中有 10,000 个点，在 B 中有 10,000 个点，并且想为每个 B 点找出 A 中最近的点。

目前，我只是遍历 B 和 A 中的每个点，以找出距离最近的点。IE。

但是，我确信有一种更快的方法可以做到这一点......有什么想法吗？

我需要找到一种通过传递邮政地址在两个位置之间获得里程（而不是直线）的方法。

如果您考虑实现的简单性、效率和稳定性，您可以推荐哪些 Web 服务？

如果您知道相关 Web 服务的任何可能比较列表，我将不胜感激。

谢谢

我的程序使用聚类来生成相似项目的子集，然后使用余弦相似度度量作为确定聚类相似程度的方法。例如，如果用户 1 有 3 个集群，用户 2 有 3 个集群，则每个集群相互比较，将产生 9 个使用余弦相似度度量的结果，例如 [0.3, 0.1, 0.4, 0.12, 0.0, 0.6, 0.8, 1.0, 0.22]

我的问题是，基于这些结果，我如何将这些值转化为有形的结果，以显示这两个用户的相似程度？

我制作的一个简单方法是将所有值除以比较次数，然后将它们加在一起得到 1 个值，但这是一种非常简单的方法。

谢谢，

作为

我试图实现的基本描述是，是否有可能从社交书签网络服务 Delicious.com 中确定两个用户的书签和标签有多相似。

到目前为止，我已经根据用户书签的标签和每个标签的共现创建了集群，例如一个集群可以是：

另一个用户可能有一个从他们的标签产生的类似集群：

该数字表示标签在保存的书签中与此示例中的标签“水果”共同出现的次数。

我已经使用余弦相似度度量来比较这些集群以确定它们的相似程度，并且从我最初的问题来看，有许多集群比较结果（将每个用户集群与另一个用户集群进行比较）我不确定如何聚合结果以产生有意义的结果。

很有可能我一直不正确地使用余弦相似度，