问题标签 [neighbours]

我正在尝试学习一种使用 numpy 有效解决在各种情况下涉及滑动窗口的问题的方法。这是一个示例，说明了我感兴趣的问题类型：

我有一个大的二维矩阵，我想对矩阵中每个元素的邻居进行计算。例如，我可能想在每个索引处找到最大值，排除索引处 (x-1,y)(x+1,y+1) 处的一些特殊值，并将结果放入另一个不同的 2d"解”矩阵。

请注意，convolution2d 虽然有用，但在这种情况下对我不起作用，因为我对每个像素都有特定的操作要做，并且只想在特定的邻居（每个像素的）上做。

还有一个好处是确保我不会越界。

最后，是否也可以使用任何状态？在所有邻居都是 0 的情况下，我希望分配一个新的整数 id，每次发生这种情况时我都会递增。

这是一个例子：

我试图计算两个顶点之间共有的邻居数。

测试文件包含

1 2

1 4

1 5

2 3

2 4

2 5

3 4

但是，当我尝试将其添加到数据框中时，它无法给我正确的答案。

假设您有一组节点 (1 2 3)，并且这些节点通过弧 (1,2)、(1,3) 和 (2,3) 连接。一起代表一个网络。

如何创建包含所有相邻节点的节点子集？即我不希望以下子集类似于：

这段 Python 代码离我们很远，但也许你明白了：

我正在使用 ego 函数来查找节点i的直接邻居。

打印语句输出：

如何访问列表中的整数：119 95 237 276？

我想让我的乌龟移动到某个补丁并制作一个“斑点”。中心补丁 = 我的海龟位置，可以随机选择，但要满足两个条件：

• 必须与海龟的实际位置保持一定距离
• 必须被具有特定质量的补丁包围（一定半径内的邻居）

原因是在我的乌龟的位置周围创建一种“缓冲区”，目的是阻止我的团块靠近。

请问，我怎样才能满足这两个条件？

到目前为止，我有：

伙计们，我接到了一项任务，我必须在网格中的一个单元格周围找到 1 的数量。示例图中的示例我应该得到 3，因为单元格周围有 3 个 1。所以我做了代码，我做对了，但是当我使用一个函数来做相同的代码时，它给了我错误，我需要你的帮助。

我正在尝试使用邻域算法来实现子集和问题。这是伪代码： 1. Generate a random solution for the problem and call it S 2. Compute the neighborhood of S and choose S' as the best solution in the neighborhood 3. If S' is better than S then go to step 4, else go to step 6 4. S = S' 5. Go to step 2 6. Return S as the best solution encountered 给定一个包含 10 个元素（+ve 和 -ve）的集合 X，我必须找到 X 的一个子集，使得总和尽可能接近 0。

按照伪代码，我生成了一个随机解 S，但在构建邻域 S 时遇到了一些困难。

如何计算 S 的邻域？S附近是什么地方？

例如

X = [x0, x1, x2, x3, x4, x5, x6, x7, x8, x9]

S = [x1, x7, x2, x3]

S附近是什么地方？

我正在寻找以下内容。我有一个标记为区域的 numpy 数组。numpy 数组表示分割的图像。区域是具有相同值的多个相邻单元格。每个地区都有自己独特的价值。具有 3 个区域的简化版本如下所示：

输出：

在上面的示例中，我们有 3 个单独的区域，每个区域都标有一个唯一值（在本例中为 1,2,3）。

我想要的是每个单独区域的相邻（邻居）区域的值。所以在这种情况下：

• 区域 1 与区域 2 相邻
• 区域 2 与区域 1 和 3 相邻
• 区域 3 与区域 2 相邻

实现这一目标的最优雅和最快的方法是什么？

非常感谢！

我有一个需要分析的图像（或数百个）。目标是找到彼此靠近的所有黑点。

例如，水平距离为 160 像素，垂直距离为 40 像素的所有黑点。

现在我只看每个像素，如果有黑色像素，我调用递归方法来找到它的邻居（如果你愿意，我也可以发布代码）

它可以工作，但速度很慢。目前脚本运行大约 3-4 分钟，具体取决于图像大小。

有没有一些简单/快速的方法来完成这个（最好是一个 scikit-image 方法来帮助）我正在使用 Python。

编辑：我尝试使用scikit.measure.find_contours，现在我有一个包含黑点轮廓的数组的数组。现在我只需要找到这些轮廓附近的轮廓。

我们nb_insert在和之间aodv.cc有aodv_rtable.h 什么区别？bheadrt_nblist