如何计算矩阵R中两个元素之间的最大欧几里德距离？
欧几里德距离（Euclidean distance）是指在多维空间中两个点之间的直线距离。要计算矩阵R中两个元素之间的最大欧几里德距离，可以按照以下步骤进行：
- 确定矩阵R中的两个元素A和B，分别记作A=(x1, y1)和B=(x2, y2)，其中x1, y1, x2, y2分别表示元素A和B在矩阵R中的行列索引。
- 计算两个元素在横坐标和纵坐标上的差值，即dx = |x2 - x1|和dy = |y2 - y1|。
- 计算欧几里德距离，即dist = sqrt(dx^2 + dy^2)，其中sqrt表示开平方。
- 遍历矩阵R中的所有元素对，重复步骤2和步骤3，并找出最大的欧几里德距离。
在云计算领域，可以使用云计算平台提供的计算资源来执行上述计算任务。以下是腾讯云相关产品和产品介绍链接地址的推荐：
- 云服务器（Elastic Compute Cloud, EC2）：提供可扩展的计算能力，可用于执行矩阵计算任务。详细信息请参考：云服务器产品介绍
- 弹性伸缩（Auto Scaling）：根据实际需求自动调整计算资源，提高计算效率。详细信息请参考：弹性伸缩产品介绍
- 云函数（Serverless Cloud Function）：无需管理服务器，按需运行代码，可以用于执行计算任务。详细信息请参考：云函数产品介绍
请注意，以上推荐的腾讯云产品仅供参考，其他云计算品牌商也提供类似的产品和服务。
相关·内容
我有一个关于旋转(R)和平移(T)矩阵的问题，我希望有人能帮助我，因为我们在机器人学中经常使用R和T来找到机器人的位置。
我有相对于相机帧的对象帧的R和T，以及关于同一相机的第二个对象的R和T。如果两个对象都在一个公共表面/平面上
问题#1：(在同一表面/平面上)这意味着两个物体相对于相机的R是相同的！这个假设是正确的吗？
问题#2:如何使用平移矩阵计算对象之间的距离(例如沿x或y轴)？
我有一个1x3的平移矩阵和一个3x3的旋转矩阵，我从R和T导出了一个4x4的变换矩阵=>
提前感谢
浏览 0提问于2012-01-28得票数 6
回答已采纳
1回答
我有一组不同像素的RGB矩阵。(N像素=> n行，RGB => 3列)。我必须计算出这个矩阵中任意两个像素之间的最小RGB距离。我尝试了循环方法，但是由于集合太大(比方说N=24000)，看起来程序需要很长时间才能完成。还有别的办法吗？我读过关于pdist的文章，但是RGB欧几里德距离不能和它一起使用。
k=1;
for i = 1:N
for j = 1:N
if (i~=j)
dist_vect(k)=RGB_dist(U(i,1),U(j,1),U(i,2),U(j,2),U(i,3),U(j,3))
k=k+1
浏览 4提问于2014-06-24得票数 1
回答已采纳
我是这个网站的新手，也是聚类分析的新手，所以如果我违反了约定，我很抱歉。
我一直在使用Cluster3.0来执行具有欧几里德距离和平均链接的层次聚类分析。Cluster3.0输出一个.gtr文件，其中包含一个连接基因的节点及其相似度得分。我注意到，.gtr文件中的第一行总是将一个基因与另一个基因链接在一起，后面跟着相似度分数。但是，我如何重现这个相似性分数呢？
在我的数据集中，我有8个基因，并创建了一个距离矩阵，其中d_{ij}包含基因i和基因j之间的欧几里得距离。然后，我通过将矩阵中的每个元素除以最大值来归一化矩阵。为了得到相似度矩阵，我从1中减去所有元素。但是，我的结果没有使用链接类型，并
浏览 1提问于2013-05-12得票数 0
我想要可视化文本文档的相似性，我正在使用scikit learn的TfidfVectorizer作为tfidf = TfidfVectorizer(decode_error='ignore', max_df=3).fit_transform(data)
然后以cosine_similarity = (tfidf*tfidf.T).toarray()格式进行余弦相似度计算
这给出了相似性，但sklearn.manifold.MDS需要一个相异矩阵。当我给出1-cosine_ should时，对角线的值应该是零，但不是零。它们是一些很小的值，比如1.12e-9等。两个问题：
1)如
浏览 6提问于2014-12-07得票数 2
2回答
我正在尝试在下面的数据集上实现K-means算法。计算任意两个数值属性之间的距离是很简单的，但是如何计算两个字符串之间的距离，以及如何将所有距离(即字符串属性之间的距离和数值属性之间的距离)相加。请告知me.Thank你。
浏览 1提问于2012-11-23得票数 2
回答已采纳
我想评估网格的质量，在实际情况下，所有坐标都不同。信号是指平均寿命为75年的心电信号.我的任务是在测量的时刻评估它的年龄，这是一个反问题。我认为3D病例的二维近似很难( 由Abo完成)，有3根引线(胸部2条，左腿-1条)：
其中f是R^2中的分段连续函数，\epsilon是误差矩阵，A是2D矩阵。现在，我计算了x轴(时间)和y轴(能量)的平均网格距离。我认为这可以通过Matlab的图像分析工具箱来完成。但是，我不确定工具箱的方法有多完整。我认为，在不均匀和不连续的网格设置中，必须采用变换方法。一种方法是用实现网格线采样形状的精确线性时间欧氏距离变换。该方法提出一种距离变换(DT)，它
浏览 5提问于2016-02-29得票数 0
回答已采纳
我使用daisy创建了一个不同的矩阵，然后尝试使用PAM函数进行聚类，但得到了一个错误。将聚类方法应用于消费者人口结构的市场细分研究。
根据另一篇文章，当有两个样本的NA值时，就会发生错误。没有办法计算出不同之处。下面是链接：。似乎我的data.frame是如此稀疏，以至于不同的矩阵具有NA值。
问题：，使daisy矩阵没有NA值的最佳方法是什么？我应该填写序号栏吗？
我在一个名为ordinal的data.frame中对34个data.frame和NA变量进行了13163次观测。data.frame中没有一个行具有所有的NA值。下面是要检查的代码：
> which(rowSums(is.
浏览 1提问于2014-09-09得票数 0
回答已采纳
2回答
我正在处理两个numpy矩阵，U (维度Nu x 3)和M (维度3xNm)。
A包含Nu用户和3个特性。
M包含Nm电影(以及相同的3个功能)
对于U的每个用户，我想计算它到M中每部电影的欧几里德距离(所以我需要计算Nu*Nm欧几里德距离)。
如果没有明确的双循环，这是可能的吗？我工作的大维矩阵和双循环可能会花费太多的时间。
提前谢谢。
浏览 5提问于2020-07-02得票数 0
回答已采纳
1回答
求直线形边界坐标的偏差
、、、、
如图所示，我在直线形状的边界上放置了元素。目的是找到一个度量(例如，avg，std )。偏差)，这给了我在整个过程中元素被组合或分离的程度(作为一个整体，橙色颜色-而不是每一行分组)以及每个元素松散地/强烈地遵循分组的因素？
理想的性病。偏差将完成提供因子(x倍)的工作，它偏离平均值(在这里解释得很好：)，但在这里是std。偏差不是一个很好的矩阵来寻找分组，因为元素根本上并不意味着遵循一个中心。
所提供的数据为：(x1，y1)，(x2，y2)，(x3，y3).(xn，yn)和直线形状坐标。
浏览 8提问于2022-09-19得票数 -1
有一个距离函数，我可以传递给pdist，用来创建给linkage的距离矩阵。还有第二个距离函数，我可以把它作为度量传递给linkage。
为什么有两个可能的距离函数？
如果它们不同，它们是如何使用的？例如，联动是否在初始迭代中使用距离矩阵中的距离，即看是否将任何两个原始观测组合成一个簇，然后使用度量函数进一步组合，即两个簇或一个具有原始观测值的集群？
浏览 2提问于2015-08-17得票数 3
回答已采纳
1回答
我有一份csv文件，其中列出了2000多个农场的协调职位，结构如下；
FarmID | Latidue | Longitude |
------ |---------|-----------|
1 | y1 | x1 |
2 | y2 | x2 |
3 | y3 | x3 |
.我想从这些数据中创建一个欧几里德距离矩阵，显示所有场对之间的距离，因此我得到了一个结果矩阵，如下所示：
1 | 2 | 3 |
-----------|------
浏览 1提问于2017-05-11得票数 6
回答已采纳
我有两个点列表作为numpy.ndarray，每一行都是一个点的坐标，如下所示：
a = np.array([[1,0,0],[0,1,0],[0,0,1]])
b = np.array([[1,1,0],[0,1,1],[1,0,1]])
这里我想要计算两个列表中所有点对之间的欧几里得距离，对于a中的每个点p_a，我想计算它与b中的每个点p_b之间的距离，所以结果是
d = np.array([[1,sqrt(3),1],[1,1,sqrt(3)],[sqrt(3),1,1]])
如何在numpy中使用矩阵乘法来计算距离矩阵？
浏览 50提问于2017-12-19得票数 3
回答已采纳
1回答
R:在矩阵中查找点靠近两个选定点的直线。
我有一个区域的long/lat矩阵。我在这个区域有一个点，有一个经度和纬度，所以我需要在矩阵中找到最匹配的点。
我已经试过了，但它不起作用：
find.point <- is.numeric(which(abs(matrix[,1]-East)==min(abs(matrix[,1]-East)))
&& which(abs(matrix[,2]-North)==min(abs(matrix[,2]-North))))
如何找到东最接近矩阵1和北最接近矩阵2的点
浏览 2提问于2016-05-06得票数 2
1回答
目的是评估6个已知类群之间的相似性和差异性。
最初的数据从6个已知组和2,700+变量开始，所有变量的评分都在0到100之间。
我使用R中的2700+包中的dudi.pca函数将ade4变量简化为5个主成分，以下是这些组件的特征值：
eigenvalue variance.percent cumulative.variance.percent
Dim.1 998.3274 36.635867 36.63587
Dim.2 670.1278 24.591848 61.227
浏览 0提问于2017-11-14得票数 0
摘要
使用numpy，我试图在一个大小为N乘以3的矩阵中找到像素的值(表示为[r,g,b])；所以我想找到数组所在的行，但我想添加一个公差，因为它可能发生不完全匹配的情况。
使用np.all (请参阅下面的raw )，可以做到这一点，但是值应该完全相同。
result_primo_check = np.all(element_2_find==matrix, axis=1)
示例
问题是我有element_2_find = [144, 0, 256]，但在矩阵中，最相似的行是[148, 0, 250]。是否有添加容忍或类似内容的命令？
浏览 1提问于2021-04-21得票数 0
回答已采纳
2回答
我需要测量两个n维向量之间的距离。似乎Mahalanobis距离在这里是一个很好的选择，所以我想试一试。
我的代码看起来像这样：
import numpy as np
import scipy.spatial.distance.mahalanobis
x = [19, 8, 0, 0, 2, 1, 0, 0, 18, 0, 1673, 9, 218]
y = [17, 6, 0, 0, 1, 2, 0, 0, 8, 0, 984, 9, 30]
scipy.spatial.distance.mahalanobis(x,y,np.linalg.inv(np.cov(x,y)))
但是我得到了这
浏览 0提问于2013-06-19得票数 3
回答已采纳
我知道Matlab中的pdist(X，distance)用于获取点的(nxd)矩阵，并计算它们之间的成对距离。我还知道，如果矩阵包含向量而不是点，那么它有一个额外的选项来计算余弦距离。
我想做的是取一个(n X D X t)矩阵，它保存样本随时间t的变化位置，并高效/快速地计算所有对/所有帧之间的余弦方向距离，其中a v(t)定义为由p(t+1) - p(t)计算的方向，p(t)指的是行M(p，:，t)。
显然，如果可以帮助的话，我不想使用循环。有什么建议吗？
任何帮助都非常感谢。
浏览 0提问于2012-04-22得票数 0
我试图得到向量和矩阵之间的欧几里德距离
dataTest= [1;2;3;4;5;6]
data = [01 02 03 04;
05 06 07 08;
09 10 11 12;
13 14 15 16;
17 18 19 20;
21 22 23 24]
当前，当我运行这个函数：distance = pdist2(data ,dataTest)时，它会返回
X和Y必须有相同的列数。
有什么建议能解决这个问题吗?为什么我的不起作用？
编辑:修正了它--没有填充整个dataTest矩阵--必须遍历每一列。
浏览 2提问于2017-03-27得票数 0
1回答
让我们想象一下，我们有数据
d1 = np.random.uniform(low=0, high=2, size=(3,2))
d2 = np.random.uniform(low=3, high=5, size=(3,2))
X = np.vstack((d1,d2))
X
array([[ 1.4930674 , 1.64890721],
[ 0.40456265, 0.62262546],
[ 0.86893397, 1.3590808 ],
[ 4.04177045, 4.40938126],
[ 3.01396153,
浏览 2提问于2015-07-30得票数 2
回答已采纳
3回答
带颜色的双边过滤
、、
当只使用灰度图像时，我通常理解双边过滤背后的概念。我读过和它讨论的论文。
我的主要问题是:如何确定颜色的相似性？两个RGB值的相似性是否是它们的R值、G值和B值的相似性的总和/乘积/其他运算？如果是这样，那么单独确定相似性并过滤每个通道是否合理？
谢谢
浏览 1提问于2011-02-15得票数 2
回答已采纳
2回答
在MATLAB中，我有一个256x256 RGB映像和一个经过它的3x3内核。3x3内核计算内核中9个像素的每对组合之间的颜色-欧几里德距离，并将最大值存储在数组中。然后，它移动一个像素，并执行相同的计算，等等。
我可以轻松地编码内核在图像上的移动，以及从内核中的像素中提取RGB值。
然而，对于每一对像素组合，我确实很难有效地计算颜色-欧氏距离运算。
例如，如果我有一个具有以下值的3x3矩阵：
55 12 5；77 15 99；124 87 2
我需要编写一个循环，以便第一个元素使用第二个、第三个.第九个元素执行一个操作。然后，第二个元素使用第3，第4……第9元素执行操作，等等，直到最后第8个
浏览 5提问于2015-12-11得票数 3
回答已采纳
1回答
计算r中点对之间的距离
、、、
假设我生成了10个随机点
x <- runif(10, min = -10, max = 10)
y <- runif(10, min = -10, max = 10)
我要计算每一对点之间的距离。所以我用
d <- dist(cbind(x,y))
我得到了一个漂亮的9*9矩阵。
但是，如果我使用
d1 <- dist(rbind(x,y))
结果只有一个号码。
有人能给我解释一下吗？
浏览 1提问于2015-11-09得票数 4
回答已采纳
3回答
聚类词组
、、
这是一个家庭作业问题。我有一份充满文字的大文件。我面临的挑战是将这些词归类为充分代表这些词语的不同组/组。我处理这一问题的策略是使用K均值算法，如您所知，该算法采取以下步骤。
生成整群的k个随机均值
通过将每个单词与最近的平均值相关联来创建K簇
计算每个簇的质心，成为新的均值。
重复步骤2和步骤3，直到达到某个基准/收敛为止。
理论上，我有点理解，但不完全理解。我认为，在每一步，我都有相应的问题，这些问题是：
从技术上讲，我可以说是5，但这不一定是一个很好的随机数。那么，这个k纯粹是一个随机数，还是实际上是由启发法驱动的，如数据集的大小、所涉及的单词数等。
你如
浏览 4提问于2012-12-07得票数 9
我有一个a-by-b单元数组，C。在每个元素中，都有一个浮点数组。
现在我想创建一个新的对称矩阵M。M中的每个元素(i, j)将设置为C中所有相应浮点数组的欧几里得距离之和。
例如，要找到M(i,j)，我会将C中的b浮点数组沿行i取为一组，将C中的b浮点数组取为j行，求出这两组数组之间的欧几里得距离，然后将b x b值相加。C{i,j}是一个列向量。所有列的长度都相同。
下面是我对此的“暴力”实现：
for i=1:a
for j=1:a
dist_sum = 0;
for k=1:b
for l=1:b
浏览 2提问于2014-08-01得票数 1
1回答
我有两个向量，比方说x=[2,4,6,7]和y=[2,6,7,8]，我想要找到每个对应对之间的欧几里德距离，或者任何其他实现的距离。那将是dist=[0, 2, 1, 1]。
当我尝试
dist = scipy.spatial.distance.cdist(x,y, metric='sqeuclidean')
或
dist = [scipy.spatial.distance.cdist(x,y, metric='sqeuclidean') for x,y in zip(x,y)]
我得到了
ValueError: XA must be a 2-dimension
浏览 8提问于2016-04-18得票数 1
回答已采纳
假设我有一个包含向量列的kxn数据数组，并在这些向量上定义了一个距离函数。如何将kxn数组转换为另一个形状相同的数组，以便转换后的向量中的欧几里得范数是由给定距离函数导出的范数？我知道你可以通过给定的距离函数直接计算数据的距离矩阵，并由此推导出R^k中的坐标。但是这种方法非常昂贵，特别是当距离函数的复杂度为O(n^2)或更高时。所以我想知道有没有更简单的算法来做到这一点。
浏览 1提问于2020-09-08得票数 3
1回答
我想要匹配两个图像中的特征，以检测复制-移动伪造。我使用来检测图像特征。但是，我在匹配PCA-SIFT特征时遇到了麻烦。根据几篇论文，PCA-SIFT使用与SIFT类似的匹配过程。我使用了以下代码片段来匹配功能。
%des1 and des2 are the PCA-SIFT descriptors obtained from two images
% Precompute matrix transpose
des2t = des2';
matchTable = zeros(1,size(des1,1));
cnt=0; %no. of matche
浏览 2提问于2016-04-20得票数 0
1回答
我已经实现了一个K近邻的GPU使用纯CUDA和推力库函数调用。
欧氏距离是用纯CUDA核计算的。然后，利用推力分选设备(基排序)对距离按递增顺序排序。最后，从排序向量中检索K第一元素(即K最近邻)。
我的实现效果很好。然而，排序整个欧氏距离矩阵(集合可以包含更多的250000序列样本)只是为了检索K-nn似乎不是最优的。
因此，我正在寻找一个GPU算法实现，它允许在找到K个最小元素后停止排序计算，或者在N个排序中执行有效的K。对于小K，它确实比对整个矩阵排序更快。
如果没有这样的实施，我也会有兴趣的建议，以有效地实施纯粹的数据自动化系统或推力。我想每个测试样本使用几个线程来寻找K最近，每个线程
浏览 4提问于2014-07-04得票数 2
回答已采纳
2回答
我有一个数据集，X，即m x 2，以及三个向量存储在矩阵C = [c1'; c2'; c3']中，即3 x 2。我试图将我的代码矢量化，为X中的每个数据点找到C中最接近的向量(平方距离)。我想从C中的每个向量(行)中减去X中的每个向量(行)，从而得到X元素和C元素之间差异的m x 6或3m x 2矩阵。我的当前实现一次在X中执行一行操作：
for i = 1:size(X, 1)
diffs = bsxfun(@minus, X(i,:), C); % gives a 3 x 2 matrix result
[~, idx(i)] = min(su
浏览 4提问于2013-06-18得票数 3
回答已采纳
1回答
通常，在分层聚类中，算法从每个点在其自己的组中开始，然后基于给定的度量组合组。
有没有一种方法可以用给定的起始组而不是单个点来初始化算法？
python或R都可以
浏览 3提问于2021-01-08得票数 0
1回答
多维数据聚类
、、、
我是一个数据挖掘新手，需要一些关于高维数据集(子集如下所示)的帮助。它实际上有30个维度和数千行。
我们的任务是查看它们是如何集群的，以及是否可以从这些数据中计算出任何相似性度量。我已经研究了SOM和余弦相似性方法，但是不确定如何处理这个问题。
附注：我对R或类似的统计程序包一点都不精通，我希望能在基于C#/.NET的库中找到一些指针。
"ROW" "CPG" "FSD" "FR" "CV" "BI22" "MI99" "ME" &#
浏览 5提问于2013-05-23得票数 3
回答已采纳
1回答
我试着用本论文在视频中找到“关键帧”，但是我对机器学习有点陌生，而且我还停留在距离向量步骤上。目标是计算连续帧之间的距离向量，以检测表示关键帧的大上下文变化。以下是我所做的：
使用Googlenet经过预先训练的模型，我提取了一个(1024,7,7)特征图，从而为视频中的每一帧提取了7x7矩阵的向量。
现在我想要计算两个连续帧之间的欧几里德距离，但我不确定这是怎么回事。
我的直觉是距离向量也是(1024,7,7)。
最后一步是在距离向量上应用“向量0.1，0.1，0.1，0.99最后距离值的四窗口卷积”。我也不明白这一步。
如有任何帮助或指导，将不胜感激！
浏览 0提问于2020-04-05得票数 1
回答已采纳
2回答
我试图识别欧几里德距离矩阵中落入某个阈值以下的元素。然后，我获取此搜索的位置参数，并使用它们比较第二个数组中的元素(为了演示起见，此数组是PCA的第一个特征向量，但排序是与我的问题最相关的部分)。该应用程序需要适用于未知数量的观察值，但应在数百万个观察值上有效运行。 import numpy as np
from scipy.spatial.distance import cdist
threshold = 10
data = np.random.uniform((1, 2, 3), 5000)
searchValues = np.where(cdist(data, data) <
浏览 38提问于2019-01-18得票数 2
2回答
有人能帮我讲讲如何根据所有行之间的欧几里得距离从数值数组生成加权邻接矩阵吗，即0和1，0和2，.1和2，...？ 给出以下具有输入矩阵(5，4)的示例： matrix = [[2,10,9,6],
[5,1,4,7],
[3,2,1,0],
[10, 20, 1, 4],
[17, 3, 5, 18]] 我想要获得包含节点之间最小距离的加权邻接矩阵(5,5)，即， if dist(row0, row1)= 10,77 and dist(row0, row2)= 12,84,
--> the outp
浏览 38提问于2021-01-19得票数 2
回答已采纳
我想确定使用NbClust进行聚类的最佳k值，package.My数据具有连续变量和分类变量，因此我使用了使用集群包中的daisy()计算的不同矩阵。我使用了下面的代码：
res.nb <- NbClust(gower_dist_gender, min.nc = 1,
max.nc = 5,method = "complete", index ="all")
遇到这样的错误：
The TSS matrix is indefinite. There must be too many missing values. The
浏览 4提问于2017-09-06得票数 5
我是个新手。
我在Scikit KMeans中找不到一个使用预计算距离矩阵的例子。
现在有没有人能用一个例子更好地阐明这一点？
浏览 0提问于2014-07-04得票数 6
3回答
如何获得等距网格上两个点之间的距离？我正在创建一个facebook等距游戏(在as3中)，当我在特定类型的建筑中移动时，我需要知道它是否在另一种结构的范围内，例如一棵树。我试着取两个项目的网格x，y点，并从中计算x，y，但它似乎不起作用。
浏览 0提问于2011-06-29得票数 5
回答已采纳
目前，我正在使用下面的代码来计算两个float3之间的欧几里德距离，这是我从Nvidia的一个样本中获取的。
inline __host__ __device__ float3 operator-(float3 a, float3 b)
{
return make_float3(a.x - b.x, a.y - b.y, a.z - b.z);
}
inline __host__ __device__ float dot(float3 a, float3 b)
{
return a.x * b.x + a.y * b.y + a.z * b.z;
}
inline __ho
浏览 2提问于2015-05-30得票数 1
1回答
因此，基本上我试图计算在单个视频中变化的镜头数量。目前我对淡入/淡出算法不感兴趣，但仅仅是场景总数的变化。
我想出了以下算法，但有点坚持从相似度矩阵中获取标量值：
videoPlayer = vision.VideoPlayer;
Frame1 = step(videoFReader);
for i=1:n - 1
step(videoPlayer, Frame1);
Frame2 = step(videoFReader);
hist1 = imhist(Frame1);
hist2 = imhist(Frame2);
D = pdist2(hi
浏览 0提问于2015-02-05得票数 1
std::vector<matrix<float,0,1>> face_descriptors = net(faces);
上面就是我所看到的for.When，我使用下面的命令
std:: cout >> face_descriptors[0] >> endl;
它输出整个matrix.But，我想要计算两个这样的向量之间的距离，那么我如何分别访问每个元素？？我正在使用它进行实时的人脸识别。
浏览 0提问于2017-06-07得票数 0
1回答
这是我在这里的第一篇文章，所以我希望它符合指南，对除了我自己以外的其他人也感兴趣。
我正在构建一个CNN自动编码器，它以固定大小的输入矩阵作为输入矩阵，目的是获得它们的低维表示(我在这里称它们为散列)。当矩阵相似时，我想使这些散列类似。由于我的数据中只有几个被标记，所以我想使损失函数成为两个独立函数的组合。第一部分是自动编码器的重构误差(该部分工作正常)。另一部分，我希望它是标记的数据。因为我将有三个不同的类，所以我希望在每个批处理上计算属于同一个类的散列值之间的距离(我在实现这个类时遇到了问题)。
我迄今所做的努力：
X = tf.placeholder(shape=[None, 512,
浏览 2提问于2017-11-02得票数 2
回答已采纳
2回答
我不确定“范数”和“欧几里德距离”是否意味着相同的东西。你能帮我区分一下吗？
我有一个n by m数组a，其中m > 3。我想计算第二个数据点a[1,:]到所有其他点(包括它本身)的Eculidean距离。所以我使用了np.linalg.norm，它输出两个给定点的范数。但我不知道这是不是联系急救人员的正确方法。
import numpy as np
a = np.array([[0, 0, 0 ,0 ], [1, 1 , 1, 1],[2,2, 2, 3], [3,5, 1, 5]])
N = a.shape[0] # number of row
pos = a[1,:] # pic
浏览 2提问于2015-08-21得票数 26
回答已采纳
1回答
在不使用opencv匹配器的情况下，如何匹配两个图像的功能？我为他们检测到了关键点和描述符。
kp1, des1 = sift.detectAndCompute(gray1,None)
kp2, des2 = sift.detectAndCompute(gray2,None)
如果我正确理解，我应该比较来自des1的每个描述符和来自des2的每个描述符，并找到最好的。但我怎么能比较他们呢？
浏览 1提问于2018-05-22得票数 3
回答已采纳
1回答
据我所理解，跟踪算法可以预测给定对象在下一个帧中的位置(在已经执行了对象检测之后)。然后在下一个帧中再次识别该对象。不清楚的是跟踪器如何知道如何将第二帧中的对象与第一帧中的对象相关联，特别是当帧中有多个对象时。
我在几个地方看到，一个成本矩阵是用欧几里德距离在预测和所有检测之间建立的，这个问题被描述为一个赋值问题(匈牙利算法)。
我对追踪的理解正确吗？是否有其他方法来确定一个帧中的对象与下一个帧中的对象相同？
浏览 1提问于2015-09-08得票数 6
回答已采纳
我有从CSV文件生成的矩阵，如下所示：
X = xlsread('filename.csv');
我正在根据记录的数量遍历矩阵，我需要为这个矩阵的每一行找到欧几里德距离：
for i = 1:length(X)
j = X(:, [2:5])
end
得到的矩阵是150×4。怎样才能最好地计算每一行的欧几里德距离(4列作为数据点)，得到每一行的平均值？
浏览 3提问于2017-04-26得票数 0
回答已采纳
2回答
我必须使用R创建一个距离矩阵。我的数据在一个包含300行和10列的Excel文件中。我必须创建基于第9列的值的距离矩阵。例如
s s s s s
s 1
s 2 2
s 3 3 4
s 4 4 7 3
s 5 5 8 2 8
如何创建这种类型的矩阵？
浏览 0提问于2011-08-03得票数 2
2回答
目前我正在做MATLAB的语音识别项目。我取了两个语音信号，并提取了它们的MFCC系数。据我所知，我现在应该计算两者之间的欧几里得距离，然后应用DTW算法。这就是为什么我计算了两者之间的距离，并得到了一个距离数组。所以我的问题是如何在结果数组上实现DTW？
下面是我的MATLAB代码：
全部清除；全部关闭；clc；
% Define variables
Tw = 25; % analysis frame duration (ms)
Ts = 10; % analysis frame shift (ms)
alpha = 0.97;
浏览 2提问于2016-09-29得票数 1
3回答
我在理解欧几里得距离时遇到了一些问题。我有两个不同的实体，我想衡量这两个实体之间的相似性。
假设实体A有2个特征向量，实体B只有1个特征向量。为了知道相似性，我应该如何计算这两个实体之间的欧几里德距离？
非常感谢。
浏览 0提问于2011-04-07得票数 1
2回答
我有一个数据集，它包含分类(名词和序数)和数字属性。我想使用这些混合属性来计算我观察到的(Dis)相似矩阵。使用R中集群包的函数，我可以很容易地得到如下不同的矩阵：
if(!require("cluster")) { install.packages("cluster"); require("cluster") }
data(flower)
as.matrix(daisy(flower, metric = "gower"))
这使用gower度量来处理名义变量。在R？daisy()中是否存在与函数等价的Python？？
或者任何
浏览 19提问于2014-10-15得票数 14
回答已采纳
我在这里通过使用scipy.sparse规范了sA矩阵。我读过这个文档，但对norm='l...'不太了解，所以我对它进行了测试。
norm='l1'说得很好，我得到了预期的结果，在所有行中为1。
A = np.array([[1,2,0],[0,0,3],[1,0,4]])
sA = sp.csr_matrix(A)
normsA = normalize(sA, norm='l1', axis=0)
print normsA
print "---"
print sum(normsA)
>>(0, 0)
浏览 8提问于2017-06-07得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
