搜索k个最近的元素[重复]

Posted 2023-03-12

【中文标题】搜索k个最近的元素[重复]

【英文标题】：Searching the k nearest elements [duplicate]

【发布时间】：2017-11-14 21:51:59

【问题描述】：

我有一堆（或多或少 3500 个）具有 4096 个分量的向量，我需要一种快速的方法来查看，给定另一个具有相同长度的向量的输入，它们是最接近的 N。 我想使用一些matlab函数来做到这一点。这可以满足我的需要吗？

https://uk.mathworks.com/help/stats/classificationknn-class.html

【问题讨论】：

提示：如果您的问题可以用“是”来回答，那么它很可能不适合 stackverflow。请注意，这个问题的答案可能是“否”，但仍然如此。

K-Nearest Neighbors 算法将向量分组到K 集群中。每个集群中心是其集群成员的平均值（重心）。要找到最近的向量，首先要确定最近的聚类中心，然后搜索聚类以找到聚类内最近的向量。

【参考方案1】：

您建议的是一个聚类函数，它应该从所有向量中生成 N 个聚类。不确定这是你想要的。如果你只是想要一堆向量之间的 N 个最小距离，你可以很容易地手动完成。比如：

distances = matrixOfvectors - yourVector; % repmat(your...) if you have older Matlab.
[val, pos] = sort(sum(distances.^2, 2)); % Sum might need 1 instead of 2, depends whether vectors are rows or columns.
minVectors = pos(1:N); % Take indices of N nearest to get which vectors are the closest.

如果 N 很小，比如 3 或更少，避免排序会稍微快一些，只需简单地将每个新向量与第 2 个最大的向量进行比较，然后根据结果与第 1 个或第 3 个向量进行比较。

【讨论】：

不幸的是，这种方法应该很耗时，因为我的 N 是 4096，比较次数约为 3500。所以我需要更快的东西。

我错了，显然在matlab中有这样的脚本：tic; sA = 大小（A）； B = 兰德(1, 4096); C = repmat(B, sA(1),1); disAC = A - C; [val, pos] = sort(sum(disAC.^2, 2)); minVectors = pos(1:10); toc 或多或少需要 0.1 秒，这对我的目的来说是可以的。非常感谢！