Matlab计算数组中所有(u,v)向量的最近邻距离
Posted
技术标签:
【中文标题】Matlab计算数组中所有(u,v)向量的最近邻距离【英文标题】:Matlab calculating nearest neighbour distance for all (u, v) vectors in an array 【发布时间】:2015-03-21 20:25:53 【问题描述】:我正在尝试计算 nx2 矩阵中最近邻居之间的距离,如下所示
point_coordinates =
11.4179 103.1400
16.7710 10.6691
16.6068 119.7024
25.1379 74.3382
30.3651 23.2635
31.7231 105.9109
31.8653 36.9388
%for loop going from the top of the vector column to the bottom
for counter = 1:size(point_coordinates,1)
%current point defined selected
current_point = point_coordinates(counter,:);
%math to calculate distance between the current point and all the points
distance_search= point_coordinates-repmat(current_point,[size(point_coordinates,1) 1]);
dist_from_current_point = sqrt(distance_search(:,1).^2+distance_search(:,2).^2);
%line to omit self subtraction that gives zero
dist_from_current_point (dist_from_current_point <= 0)=[];
%gives the shortest distance calculated for a certain vector and current_point
nearest_dist=min(dist_from_current_point);
end
%final line to plot the u,v vectors and the corresponding nearest neighbour
%distances
matnndist = [point_coordinates nearest_dist]
我不确定如何构造“for”循环/nearest_neighbour 线以获取每个 u,v 向量的最近邻距离。
我想拥有,例如; 对于第一个向量,你可以有坐标和相应的最短距离,对于第二个向量,你可以有另一个最短距离,这一直持续到 n
希望有人能提供帮助。
谢谢
【问题讨论】:
【参考方案1】:我了解您想获得不同点之间的最小距离。
您可以使用bsxfun
计算每对点的距离;消除自我距离;最小化。使用平方距离的计算效率更高,并且只在最后取平方根。
n = size(point_coordinates,1);
dist = bsxfun(@minus, point_coordinates(:,1), point_coordinates(:,1).').^2 + ...
bsxfun(@minus, point_coordinates(:,2), point_coordinates(:,2).').^2;
dist(1:n+1:end) = inf; %// remove self-distances
min_dist = sqrt(min(dist(:)));
或者,您可以使用pdist
。这避免了计算每个距离两次,也避免了自距离:
dist = pdist(point_coordinates);
min_dist = min(dist(:));
【讨论】:
【参考方案2】:如果我可以建议一个内置函数,请使用统计工具箱中的knnsearch
。您实际上在做的是K-Nearest Neighbour (KNN) 算法,但您忽略了自距离。您调用knnsearch
的方式如下:
[idx,d] = knnsearch(X, Y, 'k', k);
简单来说,KNN 算法返回k
最接近 点到您的数据集给定查询点。通常,欧几里得距离是使用的距离度量。对于 MATLAB 的 knnsearch
,X
是一个二维数组,由您的数据集组成,其中每个 行 是一个观察值,每个 列 是一个变量。 Y
将是查询点。 Y
也是一个二维数组,其中每个 行 是一个查询点,您需要与 X
具有相同数量的列。我们还将指定标志'k'
来表示您想要返回多少最近的点。默认为k = 1
。
因此,idx
将是一个 N x K
矩阵,其中 N
是查询点的总数(Y
的行数),K
将是那些最接近的点 k
我们拥有的每个查询点的数据集。 idx
表示数据集中最接近每个查询的特定点。 d
也是一个 N x K
矩阵,它返回这些对应最近点的最小距离。
因此,您要做的是为您的数据集找到与其他每个点最近的点,忽略自身距离。因此,您可以将X
和Y
设置为相同,并设置k = 2
,丢弃两个输出的第一列以获得您要查找的结果。
因此:
[idx,d] = knnsearch(point_coordinates, point_coordinates, 'k', 2)
idx = idx(:,2);
d = d(:,2);
因此我们得到idx
和d
:
>> idx
idx =
3
5
1
1
7
3
5
>> d
d =
17.3562
18.5316
17.3562
31.9027
13.7573
20.4624
13.7573
因此,这告诉我们,对于数据集中的第一个点,它与第 3 点匹配得最好。这与最近的距离 17.3562 相匹配。对于数据集中的第二个点,它与点 #5 匹配得最好,最近的距离是 18.5316。您可以以类似的模式继续处理其余结果。
如果您无法访问统计工具箱,请考虑阅读我的 *** 帖子,了解我如何根据第一原理计算 KNN。
Finding K-nearest neighbors and its implementation
其实和之前给你的Luis Mendo's post很像。
祝你好运!
【讨论】:
以上是关于Matlab计算数组中所有(u,v)向量的最近邻距离的主要内容,如果未能解决你的问题,请参考以下文章
急寻:matlab的几何校正的最近邻点法和双线性插值法的代码 我使用的是matlab7,请成功后再告诉我 谢谢!!