问题标签 [euclidean-distance]

我在 OpenGL 中追求基于平滑纹理的轮廓效果。到目前为止，我尝试了几乎所有类型的边缘检测算法，这些算法主要导致粗糙和锯齿状的轮廓。然后我读到了距离场。我找到了一个非常好的距离场示例。这是 GLSL 代码：

此着色器的结果使用漫反射颜色覆盖整个屏幕，用于填充距离场轮廓之外的屏幕区域。如下所示：

我需要的是让距离场外所有具有纯红色填充的区域保持透明。

我想在它们碰撞时将球的颜色更改为红色。我尝试使用我的函数check()来改变球碰撞时的颜色，balls[i].color但是我怎么知道球在碰撞时要比较的位置？

http://jsbin.com/imofat/743/edit

这是当两个球碰撞时将球的颜色变为红色的代码。我快到了，但我似乎没有找到故障，因为一个球没有改变颜色。请帮帮我！

这是 jsbin：http: //jsbin.com/imofat/790/edit

我在为聚类找到合适的相似性度量时遇到了问题。我有大约 3000 个集合数组，其中每个集合都包含特定领域的特征（例如，数字、颜色、日期、字母等）。我会用一个例子来解释我的问题。

假设我只有 2 个数组（a1 和 a2），我想找到它们之间的相似性。每个数组包含 4 个集合（在我的实际问题中，每个数组有 250 个集合（域）），一个集合可以是空的。

我使用Jaccard指数（表示为 J）进行了相似性度量：

注意：我除以集合总数（在上面的示例中为 4）以保持 0 和 1 之间的相似性。

Is this a proper similarity measure and are there any flaws in this approach. 我分别为每个集合应用 Jaccard 索引，因为我想比较相关域之间的相似性（即颜色与颜色等......）

我不知道我的问题有任何其他适当的相似性度量。更远，can I use this similarity measure for clustering purpose?

我们使用 EuclideanDistanceSimilarity 类来计算使用 Hadoop 的一堆项目的相似度。

不幸的是，尽管与项目高度相似，但一些项目得到的相似项目为零或很少。

我想我已经在 EuclideanDistanceSimilarity 类中追踪到了这一行：

double euclideanDistance = Math.sqrt(normA - 2 * dots + normB);

传递给 sqrt 的值有时为负数，在这种情况下返回 NaN。我想也许那里应该有一个 Math.abs ，但我的数学还不够强大，无法理解欧几里得计算是如何重新排列的，所以不确定效果会是什么。

谁能更好地解释数学并确认是否

double euclideanDistance = Math.sqrt(Math.abs(normA - 2 * dots + normB));

将是一个可以接受的修复？

我正在浏览一些关于使用 Delaunay 三角测量技术找到 EMST（欧几里得 MST）的文本，但也在某处读到可以通过扫描线算法找到 EMST。由于这更容易实现，我想实现它而不是使用现有的库。任何人都可以指导我/指导我到一个（可能是免费的）论文/资源的链接，该论文/资源解释了这个算法吗？

我有一个数组，它描述了一条折线（连接的直线段的有序列表），如下所示：

目前，我使用以下循环获取段距离列表：

相反，我想使用一些本机 Scipy/Numpy 函数应用一个没有循环的函数调用。

我能得到的最接近的是：

但在后一种情况下，segdists 提供了每一个距离，我只想获得相邻行之间的距离。

另外，我宁愿避免创建自定义函数（因为我已经有了一个可行的解决方案），而是使用更多“numpythonic”使用本机函数。

I have some Cluster Centers and some Data Points. I want to calculate the distances as below (norm is for Euclidean distance):

How can I vectorize this snippet? Thanks

好的，我最近发现该scipy.spatial.distance.cdist命令可以非常快速地解决源和目标的两个向量数组之间的完整距离矩阵。请参阅：如何用 numpy 计算欧几里得距离？ 在解决两个相等大小的数组之间的距离时，我想尝试复制这些性能提升。两个 SINGLE 向量之间的距离很容易计算，如上一个链接所示。我们可以取向量：

然后在哪里使用“numpy.linalg.norm”

相当于

但是，当我想知道第二个解决方案完美运行的两组向量之间的距离时，my_distance = distance_between( A[i], B[i] ) for all i效果很好。正如预期的那样：

给我一组 42 个距离的ith 元素A到ith 元素之间的距离B。而该norm函数正确地计算了整个矩阵的范数，给了我一个不是我想要的值。42 距离的行为是我想要保持的，希望它的速度几乎与我cdist解决完整矩阵的速度一样快。所以问题是使用 python 和 numpy/scipy 计算i具有 shape 的数据之间的距离的最有效方法是什么(n,i)？

谢谢，斯隆

我有一个问题。我已经看到了欧几里得距离的两种不同定义。第一个来自维基百科（ http://en.wikipedia.org/wiki/Euclidean_distance）：http://upload.wikimedia.org/math/3/e/3/3e31af0e62dd2780540f796b51a0ce4e.png

第二个来自一本书： https ://dl.dropbox.com/u/46038869/1.jpg

你能解释一下区别吗？提前致谢