矩阵中点的Tensorflow -欧氏距离
是指使用Tensorflow框架计算矩阵中某个点与其他点之间的欧氏距离。欧氏距离是指在n维空间中两个点之间的直线距离。
在Tensorflow中，可以使用以下步骤计算矩阵中点的欧氏距离：
- 导入Tensorflow库：import tensorflow as tf
- 定义矩阵：matrix = tf.constant([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
- 定义目标点：target_point = tf.constant([2, 4, 6])
- 计算欧氏距离：distances = tf.norm(matrix - target_point, axis=1)
在上述代码中，tf.constant用于定义常量矩阵和目标点，tf.norm用于计算矩阵中每个点与目标点之间的欧氏距离。axis=1表示按行计算欧氏距离。
计算完成后，可以通过运行Tensorflow会话来获取欧氏距离的结果：
with tf.Session() as sess:
result = sess.run(distances)
print(result)以上代码将输出矩阵中每个点与目标点之间的欧氏距离。
Tensorflow是一个流行的机器学习和深度学习框架，它提供了丰富的功能和工具来进行数据处理、模型训练和推理。欧氏距离的计算在机器学习和数据分析中经常用于衡量样本之间的相似性或距离。
腾讯云提供了一系列与Tensorflow相关的产品和服务，例如腾讯云AI引擎、腾讯云机器学习平台等，可以帮助开发者在云端进行大规模的机器学习和深度学习任务。具体产品介绍和链接地址可以参考腾讯云官方网站。
相关·内容
我有两个矩阵A (Nx100)和B (Mx100)。我想对矩阵A中的每个元素和矩阵B中的每个元素执行一个运算(比如计算欧氏距离)。在正常的numpy中，使用两个for循环来完成。
现在，我使用map函数tf.map_fn将矩阵A中的每个元素映射到A[i] - B操作，其中Ai是向量。这是因为TensorFlow将向量广播到矩阵的形状中。
我想知道有什么办法能让我更容易做到这一点。类似于：tf.do_magic( A, B, operation )
谢谢!
浏览 1提问于2016-10-19得票数 1
回答已采纳
1回答
我张贴在这里，因为溢出社区告诉我，最好在这里问它。为了得到基于矩阵相似性的n聚类，我尝试对一组矩阵进行聚类。
在实践中，我的数据集由矩阵r\times c和离散值\{-1, 0, 1\}组成。其作用范围是得到聚类相似矩阵的n簇。例如，设置r = 4, c = 3，我的数据如下所示：
[[[0, 0, 1],
[0, -1, 0],
[0, 0, 0],
[0, 1, 0]],
[[0, 0, -1],
[0, 0, 0],
[0, -1, 0],
[0, 1, 1]],
[[1, 0, 1],
[0, -1, 0],
[1, -1, 0],
[0, 1, 0]],
浏览 0提问于2022-04-03得票数 0
2回答
l2轴上损失
、、、
我使用python 3和tensorflow，我有一个矩阵，每一行都是一个向量，我想得到一个距离矩阵，即计算机使用，矩阵中的每个值都是两个向量之间的距离。
e.g
Dij = l2_distance(M(i,:), Mj(j,:))
谢谢
编辑:这不是一个重复的，另一个问题是计算矩阵的每一行的范数，我需要每一行到另一行的成对范数距离。
浏览 1提问于2019-01-27得票数 0
回答已采纳
1回答
在python中，我将使用计算集群，然后使用transform()获取集群内每个点到集群中心的距离。
我想在R中做同样的事情，但是stats包中的只给出每个点的聚类预测，或者只给出每个特性到集群中心的距离。
(在我的例子中，分类点是文档，特征是单词/术语，所以我的输入矩阵是TfIdf-矩阵)
那么，是否还有其他kMeans库可供我使用，或者是否有一个精细的矩阵操作，可以应用于由此产生的预测/特征距离/输入矩阵来得到我想要的？
如有任何帮助或暗示，我将不胜感激。
浏览 1提问于2013-09-27得票数 2
回答已采纳
1回答
大多数聚类算法都需要一个距离矩阵。如果数据的维数较低，则很容易创建距离矩阵。但是，如果一个时间序列有大约8000个点需要考虑呢？
for i in range(total_series):
for j in range(total_series):
dis[i][j] = distance(series[i],series[j])
很明显，创建这个矩阵所需的最小时间将是O(n^2)阶。现在，如果我们比较两个时间序列的所有8000个点，时间复杂度将非常高。我只是在谈论对齐距离(欧几里得)，而不是一些编辑距离。
因为我们有大约50,000个时间序列要聚类，O(n^2)对于那
浏览 2提问于2017-04-16得票数 2
只接受普通向量作为输入。但我只有一个距离矩阵。还有其他Python模块来处理这个问题吗？
浏览 2提问于2016-02-26得票数 0
回答已采纳
1回答
我在计算一对物体之间的Mahalanobis距离时遇到了一些困难。我遵循MATLAB的文档，为了计算Mahalanobis距离，我必须使用pdist2："D = pdist2(X，Y，'mahalanobis'，C)“
A1=[75 87 90]; A2=[99 88 100];
C = nancov(A1,A2);
D = pdist2(A1,A2,'mahalanobis',C)
这给了我一个错误：
使用pdist2 (第282行)的误差，Mahalanobis度量的协方差矩阵必须是与X列数相同的平方矩阵，并且它必须是对称的和正定的。
在另一
浏览 3提问于2017-01-25得票数 1
1回答
我有一个相似/距离矩阵：
a | b | c
a 0 | 1 | 2
b 1 | 0 | 3
c 2 | 3 | 0
我想要建立一个编码器/模型，学习数据集s.t中每个点的n维表示。表示之间的欧氏差分产生矩阵中提供的差异，例如距离(a，b) =1等。
有什么想法吗？
浏览 0提问于2018-02-18得票数 2
回答已采纳
2回答
我试图实现朴素贝叶斯最近邻(NBNN)的图像分类。该算法求出属于不同图像的两个像素之间的欧氏距离。
我有1)一组m-图像在m- 40,000矩阵中(其中40,000是一幅图像中的像素数)，2) n-40,000矩阵中的另一组n-图像。
1)是训练集，2)是验证集。
为了应用NBNN，据我理解，我需要找到每个像素之间的欧几里德距离( 2)到相应的像素( 1)。
我的问题是，给定两个灰度值，一个来自1，另一个来自2)，我如何找到它们之间的欧几里德距离来应用k-NN？
浏览 1提问于2013-12-17得票数 2
回答已采纳
我正在写一个函数来找到矩阵中的一行，它最接近给定的向量，并且给定的向量可以变大。例如，如果矩阵大小为4，向量大小为3，则函数将检查矩阵每行的前三个值。
比较而言，我计算矩阵中每一行与给定向量的距离，然后选择具有最小距离的行，但我认为这不是完美的解，因为两个不同的行与给定向量的最小距离是相同的。
我想知道在matlab中是否有内置的函数。我已经试过ismember方法了。
浏览 4提问于2015-05-12得票数 0
我正在可视化使用自组织地图码本生成的U矩阵，以(视觉)识别数据中的相似区域。
虽然我希望使用SOM来识别未标记数据中的集群，但我首先使用一些标记的基准数据集来运行它，以确保我的实现没有bug。
对于Iris数据集，我可以看到类之间的明确界限，这表明实现是正确的。这些类被重新标记为1,2,3。
📷
但是，当我在另一个数据集上运行相同的代码时，我可以看到SOM能够将不同类的成员映射到一起(所有的0和1在一起，并且有两个不同的区域)，但是没有明确的分界。
📷
如何改进U矩阵或SOM，以产生明确的类之间的划分？
浏览 0提问于2018-02-14得票数 4
1回答
我是新使用科学学习和我试图聚集的人，因为他们对电影感兴趣。我创建了一个稀疏矩阵，它有不同的列(每部电影一列)和行。对于给定的单元格，如果用户是否喜欢电影，则为0或1。
sparse_matrix = numpy.zeros(shape=(len(list_user), len(list_movie)))
for id in list_user:
index_id = list_user.index(id)
for movie in list_movie[index_id]:
if movie.isdigit():
index_movie
浏览 1提问于2016-04-19得票数 0
回答已采纳
1回答
在无监督学习中，分类数据的最佳编码器是什么？
我在混合数据(如K-均值)上使用无监督的学习。
在运行无监督算法之前，我使用FAMD (用于混合数据的PCA)对数据进行降维，这使我能够获得坐标并减少数据集的维数。
FAMD需要一个热编码(又名Dummies变量)，它基于SVD.如果维数很高，SVD可能会非常耗时，当我有大量模式的范畴变量时，这就是我的情况。
因此，我正在寻找一个编码器，适合在无监督学习背景下的分类数据。
我已经找到了一些很好的用于监督学习的编码器(以目标编码为例)，但它并不适合无监督学习。
相关职位：分类特征的无监督编码
浏览 0提问于2022-12-02得票数 1
1回答
我的数据
我有一个矩阵Median，它包含了虚拟3D空间中的三个特性，Speed, Angle & Acceleration。每一套品质都属于一个人，称为Class。
Speed<-c(18,21,25,19)
Angle<-c(90,45,90,120)
Acceleration<-c(4,5,9,4)
Class<-c("Nigel","Paul","Kelly","Steve")
Median = data.frame(Class,Speed,Angle,Acceleration)
mm =
浏览 1提问于2014-11-19得票数 1
回答已采纳
1回答
假设您有以下矩阵：
V1 V2 V3 V4 V5
1 0 0 0 0 1
2 0 0 0 1 1
3 0 0 1 1 1
4 0 0 1 1 0
5 1 0 0 0 0
6 1 1 1 0 0
7 0 1 1 0 0
8 0 1 1 0 0
9 0 1 1 1 0
10 1 1 1 0 1
你可以做一个树状图，说出你想用的任何方式，但这是我所做的，cmat是上面的定制矩阵：
dist
浏览 0提问于2013-10-18得票数 0
回答已采纳
我希望这是正确的地方张贴-如果不是，我愿意改变到这样。
无论如何，我使用MDS来帮助我找到数据集的二维表示形式。从本质上讲，这些都是多年来蛋白质数据中氨基酸残基的pKa值--核心是同一尺度的十进制数。有许多位置(大约600行)，有许多年(~12列)。
我的问题是:对MDS的正确输入是数据矩阵(年份与位置)，还是可以放入相关矩阵(年份与年份)？我之所以这样问，是因为API文档与书面描述相冲突。
API文档表示数据矩阵： (即n_samples，n_features)。
书面描述：“输入相似性矩阵”：
浏览 2提问于2014-08-07得票数 4
回答已采纳
我有一个方形矩阵D (目前表示为一个形状的数字数组(572,572))，似乎与沿着一个大致圆柱物体表面的点之间成对的距离相对应。也就是说，D[i,j]值对应于沿该空心圆柱表面的任何路径的最小长度。如何构造将这572个点嵌入欧几里得空间的三维(或n维)嵌入，从而保留这些测地距离？
当前尝试
像和这样的算法能够获取成对测地线距离的矩阵并输出一个嵌入，从而使成对的欧几里得距离与原始测地线相同。虽然这在一般情况下不是相同的任务，但是在输出恰好接近某个维的超立方体的情况下，由于嵌入本身是一个流形，所以欧几里得距离对应于测地距离，因此实际上已经发生了所需的转换(考虑)。
对于像圆柱体这样稍微复杂的物体，情
浏览 1提问于2018-06-05得票数 8
回答已采纳
我目前正在使用gensim版本4.0.1来生成单词向量。我的最终目标是计算所有成对组合词向量之间的余弦距离，并使用所获得的距离矩阵对单词向量进行聚类。到目前为止，我一直在用以下代码生成距离矩阵：
print('Setting up Word2Vec model')
model = gensim.models.Word2Vec (genome_tokens, vector_size=100, window=args.window_size, min_count=args.min_cluster_size, workers=args.threads, sg=1)
浏览 0提问于2021-11-02得票数 0
回答已采纳
1回答
我知道Knn有一个问题，在处理高维数据时知道一个“维数诅咒”，它的理由是它包括计算距离时的所有特征，即欧几里德距离，其中不重要的特征作为噪声和偏差，但是我不理解一些事情。
1)余弦距离度量如何受维数问题的影响，即定义余弦距离为cosDistance = 1- cosSimilarity，其中cosSimilarity有利于高维数据，那么余弦距离如何受维数诅咒的影响？
( 2)我们能给weka中的特征赋值吗?还是可以将特征选择局部应用于KNN？局部到knn意味着我编写了我自己的knn类，在分类中，我首先将训练实例转换为低维，然后计算测试实例邻居？
浏览 0提问于2014-02-06得票数 1
2回答
什么是有效和正确的度量，我可以使用比较两个图像的矩阵形式？我已经建立了一个机器学习模型，它预测一个图像，并想看看它离目标有多远，使用一个数字来进行比较。
浏览 3提问于2016-06-16得票数 0
回答已采纳
2回答
我试图使用带有余弦度量的scikit-learn库中的DBSCAN算法，但是被错误所困扰。代码行是
db = DBSCAN(eps=1, min_samples=2, metric='cosine').fit(X)
其中X是csr_matrix。错误如下：
度量‘余弦’对算法'auto‘无效，
尽管文档中说可以使用这个度量。我尝试使用选项algorithm='kd_tree'和'ball_tree'，但得到了相同的结果。但是，如果使用euclidean或例如l1度量，则不会出现错误。
矩阵X是大的，所以我不能使用预先计算的
浏览 4提问于2015-09-23得票数 6
回答已采纳
1回答
我有一个图像，并使用tesseract，我正在从中找到文本。我有文字的边框(左，上，右，下)。
我想要找到文本的字体颜色，我试图遍历2D边框矩阵，我是比较背景颜色与每个颜色像素在边界框。无论什么地方，我得到的颜色，而不是背景颜色，我返回的颜色，这将是字体颜色。
//rectArrayList is an array list of rect for a line in the image
for(int i=rectArrayList.get(0).left;i<rectArrayList.get(0).right ;i++){
for(int j=rectArray
浏览 0提问于2016-03-20得票数 1
回答已采纳
1回答
在Python中，我需要解决以下问题：
给定两个坐标矩阵(NumPy Ndarray) A和B，对A中的所有坐标向量a在B中找到相应的坐标向量b，从而使欧氏距离||a-b||最小。坐标矩阵A和B可以有不同数量的坐标向量(即不同的行数)。
该方法应该返回坐标向量C的矩阵，其中C中的ith向量c是B的向量，它将欧氏距离与A中的第i坐标向量a最小化。
例如，让我们说
A = np.array([[1,1], [3,4]])和B = np.array([[1,2], [3,6], [8,1]])
向量[1,1]在A中与B中的向量之间的欧氏距离是：
1, 5.385165, 7
所以C中的第一个向量是[
浏览 5提问于2015-06-12得票数 4
回答已采纳
当我向我的同龄人解释线性回归的概念时，我被困在回答这个问题上。为什么在线性回归中我们不使用曼哈顿距离而不是欧几里德距离呢？有人能给出这背后的直觉吗？
浏览 0提问于2018-12-25得票数 1
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
这个问题是的后续问题。在这个问题中，他们首先计算所有点的距离矩阵，然后简单地提取类间距离矩阵。我有一种情况，我想绕过最初的计算，跳过提取的权利，即我想直接计算类间距离矩阵。从链接的示例中提取，使用微调，假设我在名为df的dataframe中有一些数据
values<-c(0.002,0.3,0.4,0.005,0.6,0.2,0.001,0.002,0.3,0.01)
class<-c("A","A","A","B","B","B","B","A",
浏览 5提问于2016-08-22得票数 2
回答已采纳
我使用完整的链接方法计算了距离矩阵，如下图所示：
星团之间成对的距离是
{0.5,1.12,1.5,3.61}
但是，在R中用相同的矩阵实现时，代码如下：
矩阵
x1,x2,x3,x4,x5
0,0.5,2.24,3.35,3
0.5,0,2.5,3.61,3.04
2.24,2.5,0,1.12,1.41
3.35,3.61,1.12,0,1.5
3,3.04,1.41,1.5,0
Implementation:
library(cluster)
dt<-read.csv("cluster.csv")
df<-scale(dt[-1])
dc<-d
浏览 1提问于2019-07-19得票数 0
回答已采纳
2回答
文档函数的相似性
、、、、
我试图为文档的余弦距离和欧几里德距离创建矩阵。不太确定我会怎么处理这个问题。如有任何建议，将不胜感激。谢谢。
该函数以termdoc矩阵作为输入，并计算变量"euclidean_distance_matrix“和"cosine_distance_matrix"，这两个矩阵的元素(i，j)存储了tweet i-th和input之间的欧氏距离和余弦距离。应该将距离矩阵存储在numpy数组中，以便在后续任务中更容易地实现。
下面是启动我的代码。
def compute_distance_matrices(termdoc):
浏览 5提问于2020-05-21得票数 1
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
2回答
两个独立数据帧的距离矩阵
、、、
我想要创建一个矩阵，它包含从一个数据帧到另一个数据帧的行的欧几里德距离。例如，假设我有以下数据框架：
a <- c(1,2,3,4,5)
b <- c(5,4,3,2,1)
c <- c(5,4,1,2,3)
df1 <- data.frame(a,b,c)
a2 <- c(2,7,1,2,3)
b2 <- c(7,6,5,4,3)
c2 <- c(1,2,3,4,5)
df2 <- data.frame(a2,b2,c2)
我想要创建一个矩阵，其中包含df1中每一行相对于df2行的距离。
因此矩阵2，1应该是df12和df21之间的欧氏距离。
浏览 3提问于2016-09-18得票数 5
回答已采纳
我读了Levy等人的论文“”，在讨论他们的超参数时，他们说：
向量归一化()如第二节所述，所有向量(即W行)都归一化为单位长度(L2归一化)，使点积运算等价于余弦相似。
然后，我回顾了R- sim2包中text2vec向量相似函数的默认值是L2-范数向量，首先：
sim2(x, y = NULL, method = c("cosine", "jaccard"), norm = c("l2", "none"))
因此，我想知道，这其中的动机是什么，规范化和余弦(无论是在text2vec还是一般情况下)。我试着阅读L2范数，但
浏览 4提问于2018-07-11得票数 6
回答已采纳
1回答
我正在从事人脸识别项目，使用深度学习架构将图像分类到相应的类中。网络在softmax层的输出是预测的类标签，在密集层的最后一层的输出是输入图像的特征表示。这里的特征向量是一个大小为1000的一维矩阵.预测类是识别类型问题，但我对验证问题很感兴趣。
因此，对于两个样本图像，我需要使用它们的特征表示来比较两幅图像之间的相似性/差异性得分。如果匹配分数大于阈值，则为命中，否则不命中。请告诉我是否有标准的方法？
相似面的示例(理想情况下应该生成matchscore>threshold)：
浏览 1提问于2017-11-19得票数 0
回答已采纳
1回答
我有一个矩阵X，维度r=2行，列= 20000列，我想计算两点之间距离平方和=欧几里得距离的平方根。对于ex：
让我们，
X = 1 2 3 4
5 6 7 8
Dist1 = sqrt((1-2)^2 + (5-6)^2))
Dist2 = sqrt((1-3)^2 + (5-7)^2))
and so on. So, distance(1,2) = Dist1;
distance(1,3) = Dist2
结果将是一个大小为N*N的矩阵。但是，当数据点很大时，例如一百万，这将花费大量时间。我怎样才能有效地修改这段代码，使它变得得体而快速。请帮帮
浏览 1提问于2015-01-30得票数 0
1回答
创建与曲线的距离矩阵
、、、
我正在尝试创建一个矩阵，其元素是与我定义的曲线的距离(代码如下)：
我想对这张图像进行一些操作，给出一个矩阵，它包含该点与螺旋上任意点之间的所有最小欧几里德距离。
我试过像这样使用scipy的ndimage.distance_transform_edt：
import scipy.ndimage as ndi
transformed = ndi.distance_transform_edt(spiral())
但是输出并没有给我我想要的！
有人知道如何生成这个矩阵吗？
螺旋生成代码如下：
import numpy as np
import matplotlib.pyplot as p
浏览 1提问于2019-02-20得票数 0
回答已采纳
1回答
Rao QE是一个加权欧氏距离矩阵。我在数据表dt中有d_ijs元素的向量，每个元素有一列(假设有x列)。P是最后一列。nrow = S.双和用于距离矩阵的左下角(或右上)，因为它是对称的)元素。
如果我只需要一个未加权的距离矩阵，我只需在x列上做dist()。如何将d_ijs按p_i和p_j的乘积加权？
示例数据集位于，在名为foodQ.ratio的列中有ps。
浏览 6提问于2016-12-13得票数 2
回答已采纳
2回答
我已经宣布了两个这样的矩阵：
a = [ 1 2;
11 12];
[m, n] = size(a);
b = a(2,:);
dist( b , a ); % the first column is not interesting
这很有效，我得到了一个向量
[ 10.0499 9.0000 ]
但是，如果我想在矩阵a中添加一列或一行：
a = [ 1 2 3 ;
11 12 13];
然后应用相同的算法，比上面忽略或不忽略第一列，我得到了以下错误：
Error using -
Matrix dimensions must agree
我不知道为什么
浏览 2提问于2014-04-23得票数 0
回答已采纳
1回答
我正在从零开始在python和Spark中实现kmeans算法。事实上，这是我的家庭作业。问题是用不同的初始化方法实现具有预定质心的方法，其中一种是随机初始化(C1)，另一种是kmeans++(c2)。此外，还需要使用不同的距离度量、欧几里得距离和曼哈顿距离。这两种方法的公式如下：
每个部分的第二个公式是相应的成本函数，它将被最小化。我已经把这两种方法都实现了，但我认为有一个问题。这是使用不同设置的kmeans每次迭代成本函数的图表：
第一个图看起来很好，但第二个图似乎有问题，因为在我看来，每次迭代之后，kmeans的成本必须降低。那么，问题是什么？是我的密码还是
浏览 0提问于2018-12-05得票数 2
回答已采纳
1回答
我已经找到了以下计算簇间距离和簇内距离的公式，我不太清楚它们是如何工作的。
簇间距离
上面的公式不应该有平方根吗？
组间和组内：
为什么会有从N+1开始的j索引？而不是从1到N2？
哪一个是正确的？或者是否存在任何对等关系？或者我应该取质心之间的距离作为簇间距离？看起来很简单。簇内距离呢？
我发现维基百科的公式更难理解。
我需要计算这个距离，以适当的分组颜色，以创建一个减少颜色调色板，所以我认为这些距离越精确，更准确的分组(公式，而不是之间的中心距离之间的簇间距离)。矢量是三维的(RGB分量).
浏览 4提问于2014-08-24得票数 5
1回答
我有以下数据格式(df)：
x y
0 50 50
1 18 83
2 6 21
3 30 13
4 44 29
5 81 68
它对应于6点的x和y坐标。我使用的distance_matrix创建了一个距离矩阵，我使用了以下代码：
DistMatrix = round(pd.DataFrame(distance_matrix(df.values, df.values), index=df.index, columns=df.index), 1)
结果似乎是正确的，但看起来不像使用欧几里得距离。
我如何切换计算距离的方式(这意味着我如何在曼哈顿距离或Mah
浏览 11提问于2022-10-19得票数 0
我有两个矩阵：
A = [ 76 159
112 143
153 159];
和
B = [ 77 159
114 143
153 159
173 236];
如何才能得到最近的位置，结果是从另一个矩阵的最近位置的索引，如果可能的话，不进行循环。
对于上述示例，结果如下所示：
iA = 1 2 3;
iB = 1 2 3 3;
浏览 3提问于2015-05-26得票数 1
回答已采纳
我知道这个问题很可能会以“意见为基础”结束，但我在网上找不到任何资源，而且在询问堆栈溢出时，每个链接都指向我，所以请耐心等待。
我试图了解Tensorflow是否是正确的对象检测工具。我说的不是分类，而是真正的物体检测和识别。
我的用例如下:给定图像A(实时照片)，在上千个不同图像的目录中找到匹配的图像。
例如:对超市产品进行实时扫描，在高分辨率图像目录中找到匹配的产品。我不想知道产品是鞋子还是牙膏，我想知道“最匹配”的形象(如普拉达X型或高露洁薄荷口味)。
几年前，我已经用OpenCV开发了一个工作脚本，使用FLANN进行SURF功能检测，但我想知道是否有更好的工具来完成这项工作。
谁能给我
浏览 1提问于2019-07-04得票数 0
回答已采纳
1回答
我在读关于安的教程。它们使用以下成本函数：
📷
正如你所看到的，这个方程包含一个范数。我对规范的概念很陌生。
我的问题是他们在这里使用哪种范数(有绝对值范数、欧氏范数、复数欧氏范数、Taxicab范数、曼哈顿范数、p-范数、最大值范数、无穷范数、一致范数、上确范数、零范数等)。
浏览 0提问于2020-05-17得票数 0
回答已采纳
我想要更多的信息，如果k-均值与Mahalanobis距离是一个数学上/方法上正确的选择，数据集与不同的方差簇。这些步骤是：
创建聚合数据集(最初是随机的还是另一种方式，并不重要)
估计每个聚合/集群数据集的mu，sigma
通过计算每个点到每个簇的Mahalanobis距离并更新聚类，重新计算聚类。
转到2，直到群集不改变为止。
我见过这个实现，也在论文中看到过。但有些人对此感到不舒服。没有办法对Mahalanobis进行“绝对”最佳聚类(即轮廓度量)。您只能估计您的模型(不同的正态分布)对您的数据的误差(例如，贝叶斯信息准则)。你肯定会超健康的。从聚类和方法上看，这是否仍然是“正确的”？这
浏览 0提问于2020-01-20得票数 3
2回答
我希望比较几种技术在降维过程中保持的距离。我读过一些关于这里和这里这里类似主题的论文。
例如，我想用欧氏距离来测量PCA降维过程中保持的距离。然而，我的困惑之处是X和Y在
d(X, Y) = \sqrt{\sum^n_{i=1}\left(x_i - y_i\right)^2}
我知道如何计算给定两个向量/矩阵的d\left(X, Y\right)，但我不理解PCA的上下文。让我解释一下。
设W_{d \times k}为k前导特征向量的矩阵，X_{d\times n}为原始数据，Z_{k\times n}为X到约简子空间的投影。
Z = W^{T}X
回到计算d\left(X, Y\
浏览 0提问于2019-04-21得票数 2
回答已采纳
2回答
用最小距离匹配两点
、、、、
我正在解决这个问题：
利用matlab中的kmeans算法对三维二值矩阵进行聚类；
之后，我得到一个C值，它包含数组中这些集群的质心坐标，例如：
C= 30.0000 15.0000 48.5000
100.2676 57.7382 80.7489
57.5000 85.0000 35.0000
27.5000 50.0000 69.5000
(4个质心:第一个有坐标(30,15,48,5))，其中行表示每个质心的x,y和z坐标。
当我聚集另一个矩阵时，我得到第二个值，它也包含第二个质心的坐标。现在，我必须匹
浏览 3提问于2017-06-06得票数 0
回答已采纳
1回答
我对数据挖掘很陌生。我想检测连续句子之间的主题转换。例如，我有一个段落(这可能是几十个句子的集合，有时没有过渡词)如下：
因为我真的很喜欢米老鼠，所以我跳着去佛罗里达。但我爸爸带我去了内华达州。很明显，米老鼠不在那里。但是，我和其他孩子一起参加了一个夏令营。而且，我真的很享受，从我的营地学到了很多东西。
在这里，我想自动地将其分成以下几个子解释：
因为我真的很喜欢米老鼠，所以我跳着去佛罗里达。但我爸爸带我去了内华达州。很明显，米老鼠不在那里。
但是，我和其他孩子一起参加了一个夏令营。而且，我真的很享受，从我的营地学到了很多东西。
据我所知，这不是句子相似性的度量。这里应该使用什么技巧？任何使
浏览 0提问于2020-04-28得票数 0
回答已采纳
1回答
推荐系统评分标准
、、、、
我正在做一个涉及建立新闻推荐系统的项目。我已经将用户与站点上不同文章之间的交互量化为用户对使用贝叶斯函数进行异位访问的亲和力。我还量化了最近的文章使用LDA的比例，一篇文章谈论的每一个主题。
我的用户主题-与用户x的关联如下(目标-x)：
user_id interest-topic-0 interest-topic-1 interest-topic-2 interest-topic-3 interest-topic-4 interest-topic-5 interest-topic-6 interest-topic-7 interest-topic-8 interest
浏览 0提问于2020-12-22得票数 1
我正在使用matlab的函数开发KNN分类器：
knnclassify(gp,trainingClass, gpTest),
哪里
gp是<849x36 double>矩阵，gpTest是要测试的矩阵，但它会引起以下错误
使用grp2idx (第39行)分组变量时出错必须是向量或字符数组。
分类错误(第81行)，组=grp2idx(组)；
测试(第1行)错误分类(gp，trainingClass，gpTest)；
浏览 3提问于2015-10-17得票数 0
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
腾讯会议
实时音视频活动推荐
腾讯云开发者
