问题标签 [submatrix]

给定一个 NxN 方阵，我想通过删除相等数量的行和列来确定所有可能的方子矩阵。

为了确定所有可能的 2x2 矩阵，我需要循环 4 次。同样，对于 3x3 矩阵，我需要循环 6 次，依此类推。有没有办法在 C++ 中生成代码，以便动态生成循环代码？我已经检查了一些与 C++ 中的代码生成相关的答案，但其中大多数都使用了 python。我对python一无所知。那么，是否可以编写代码以在 C++ 中生成代码？

让我的矩阵的大小A是sx x sy x sz. 我想得到一个矩阵B（大小与 相同A），其中 B 的元素表示从 相同位置提取(x,y,z)的子矩阵的平均值。n x n x nA

我该怎么做？

我知道我可以使用convn或使用 3 个for循环来做到这一点，但它会很慢。

A当我使用时，尺寸矩阵在我的机器上200 x 200 x 150是double精确的，n = 9大约需要 20 到 30 秒。

给定一个正整数的二维数组，找到大小为 HxW 且总和最大的子矩形。矩形的总和是该矩形中所有元素的总和。

输入： 具有正元素的 2D 数组 NxN 子矩形的 HxW 大小

输出： HxW 大小的子矩阵，其元素之和最大。

我已经使用蛮力方法解决了这个问题，但是，我现在正在寻找具有更好复杂性的更好解决方案（我的蛮力方法的复杂度是 O(n ⁶ )）。

我有以下矩阵：

我想知道如何提取元素等于 1 的子矩阵的 7x4 维度。

我有一个矩阵，它代表各种工作之间的流动性：

这在社交网络分析中被视为有向加权邻接矩阵。网络的方向是从行到列：因此移动性被定义为从作业行到作业列。对角线是有意义的，因为可以换到另一家公司的同一份工作。

对于我的部分分析，我想选择一个由作业 1、作业 5 和作业 7 组成的子矩阵：

然而，这只给出了这三个工作之间的直接联系。我需要的是这个：

这里还包括工作 2 和 6，因为这两个工作也与工作 1、5 或 7 有直接联系。而工作 3 和 4 被排除在外，因为它们与工作 1、5 或 7 没有任何联系。

我不知道该怎么做。也许我必须将其转换为 igraph 对象才能到达任何地方？

然后也许使用 ego/neighborhood-function，也来自 igraph 包？但是我真的不确定如何。或者，如果这是最好的方法。

感谢您的时间，

埃米尔·贝格鲁普-布莱特

增强问题：

aichao 的答案非常适合所提出的问题，尽管事实证明还需要另一个步骤。当创建了包含与三个“感兴趣的工作”相关的工作的 work.list 时，在此示例中为工作 1、5、7。然后，对于真实数据，杂乱的数量使另一个步骤变得可取：只保留与三个感兴趣的工作之间的直接联系，而其他工作之间的联系被设置为零。

上面的数据并没有很好地描述这一点，所以我创建了上面的一个非常版本来演示这一点：

通过使用aichaos解决方案：

然后我们得到这个：

然而，工作 2 和工作 3 之间的联系是无关紧要的，只是用来掩盖利益联系。

在 job.dat.result 中，作业 3 和作业 2 之间的关联已被删除，无论是按行还是按列，但保留这两个作业与三个感兴趣的作业之间的关联。理想情况下，应该可以选择作业 2 和作业 3 的对角线是否也应为零。但最有可能的是，对于所有工作，我会将对角线设置为零，因此这不是必需的。但是会很好，如果没有别的，那么让我在更高的层次上理解这个逻辑。

除其他外，我想要实现的是这样的圆图：

因此，关系数量的简单性很重要。该图是这样复制的：

我有一个网格图 NxN。每个单元格的值可能为“0”或“1”。我正在尝试找到包含特定数量“1”的地图不同矩形子块的确切数量，这个数字可以在 1 到 6 之间。我考虑过搜索每个可能的矩形，但这很慢对于大小为 500x500 的地图，对于普通台式计算机，解决方案必须为 ~ 1 秒。有人可以告诉我一个相应的问题，这样我就可以寻找一个有效的算法，或者有人可以建议我一个解决这个问题的有效算法吗？谢谢大家！

我目前正在使用一个包含大约 20 列和很多行的大型数据框。

简化后可以如下所示：

我想对特定的值集进行一些计算。这些是字母和数字的独特组合。因此，所有具有字母 A 和数字 1 的值都可以求和、计数（或 count_not_zero）、取最小值或其他（更复杂的）计算。我的目标是用这些独特的组合及其计算制作一个新的数据框。

我尝试以多种方式做到这一点。例如，用字母 A（在这种情况下）制作一个矩阵列表，然后在选择单个字母时使用聚合。然而，这变得非常大。

我尝试了几种 DPLYR 包的组合，但很难进行不同类型的计算，尤其是自制的。

很简单，我想做的是以下

除了在 Tensorflow 中（矩阵可以是任意复杂的张量表达式）。既不是 Tensorflow 变量，也不是一个普通的张量A。B

到目前为止我收集到的内容：张量是不可变的，所以我不能分配给子矩阵。tf.scatter_nd是子分配的当前选项，但似乎不支持子矩阵，仅支持切片。

应该有效但可能并不理想的方法：

• 我可以用零填充 B，但我确信这会导致不必要的大 B 的实例化——它可以变得稀疏吗？
• 我可以使用填充的想法，但将其写为低秩分解，例如在 Numpy 中：A+U.dot(B).U.T其中U是堆叠的零和单位矩阵。我不确定这实际上是否有利。
• 我可以拆分A为子矩阵，然后将它们堆叠在一起。可能是最有效的，但听起来代码会很复杂。

理想情况下，我想对逐渐变小的矩阵执行此操作 N 次，从而产生一个大的最终结果，但这是切线的。

我现在将使用其中一种技巧，但我希望有人能告诉我惯用的版本是什么！

我有两个向量R和C，它们分别具有我需要在一个矩阵I (40x20) 中组装的子矩阵的行数和列数。总共有 12 个子矩阵。

此外，每个子矩阵的所有元素的值都存储在向量k中：

因此，例如，子矩阵M (1:4,1:4) 有 4 行和 4 列，并且值等于 k(1) = 1。

问题：如何将矩阵 M 与所有子矩阵组合在一起？

有任何想法吗？谢谢！

编辑：

矩阵 M 应如下所示：

和子矩阵：

和 k 的值：

我有一个A大小为 20x500x68 的 3D 矩阵。我有两个向量携带关于这个矩阵的信息，它们是：（
B包含零和一）大小为 1x68 和
C（包含从 1 到 3 的数字）大小为 1x68
（长度都B对应C于 的第三维A）。

我想创建一个A只有第三维的“子矩阵”，其中B==1和C==3。

示意图：

有没有办法在没有循环的情况下做到这一点？