问如何在向量中找到与另一个向量最近(最近)的值？
EN

Stack Overflow用户

提问于 2016-06-12 02:23:27

回答 3查看 2.3K关注 0票数 3

我有两个大小相等的向量。

A=[2.29 2.56 2.77 2.90 2.05] and
B=[2.34 2.62 2.67 2.44 2.52].

我有兴趣在两个相同大小的向量A & B中找到最接近的值(几乎相等)，即在A中的所有元素中，哪个值与B的任何元素最接近？解决方案也应该扩展到任意数量的(等大小)向量。意味着能够用一组相同大小的向量A，B &C找到最近的值。这两个结果的值可以来自两个向量中的任何一个。

为了清晰起见，我不想在一个向量中找到最近的值。上述例子的答案是值2.56和2.52。

arrays

matlab

vector

distance

回答 3

Stack Overflow用户

回答已采纳

发布于 2016-06-12 03:34:30

这适用于可能不同长度的向量的属数。

vectors = {[2.29 2.56 2.77 2.90 2.05] [2.34 2.62 2.67 2.44 2.52] [1 2 3 4]}; 
    % Cell array of data vectors; 3 in this example
s = cellfun(@numel, vectors); % Get vector lengths
v = [vectors{:}]; % Concatenate all vectors into a vector
D = abs(bsxfun(@minus, v, v.')); % Compute distances. This gives a matrix.
    % Distances within the same vector will have to be discarded. This will be
    % done by replacing those values with NaN, in blocks
bb = arrayfun(@(x) NaN(x), s, 'uniformoutput', false); % Cell array of blocks
B = blkdiag(bb{:}); % NaN mask with those blocks
[~, ind] = min(D(:) + B(:)); % Add that mask. Get arg min in linear index
[ii, jj] = ind2sub(size(D), ind); % Convert to row and column indices
result = v([ii jj]); % Index into concatenated vector

票数 4

Stack Overflow用户

发布于 2016-06-12 02:35:01

作为使用bsxfun的两个向量的起点

%// data
A = [2.29 2.56 2.77 2.90 2.05]
B = [2.34 2.62 2.67 2.44 2.52]

%// distance matrix 
dist = abs(bsxfun(@minus,A(:),B(:).'));

%// find row and col indices of minimum
[~,idx] = min(dist(:))
[ii,jj] = ind2sub( [numel(A), numel(B)], idx)

%// output 
a = A(ii)
b = B(jj)

现在你可以把它放入一个循环中，等等。

顺便问一下：

dist = abs(bsxfun(@minus,A(:),B(:).'));

相当于更明显的：

dist = pdist2( A(:), B(:) )

但我宁愿选择第一种解决方案，以避免开销。

最后，对多个向量采用完全矢量化的方法：

%// data
data{1} = [2.29 2.56 2.77 2.90 2.05];
data{2} = [2.34 2.62 2.67 2.44 2.52];
data{3} = [2.34 2.62 2.67 2.44 2.52].*2;
data{4} = [2.34 2.62 2.67 2.44 2.52].*4;
%// length of each vector
N = 5;

%// create Filter for distance matrix
nans(1:numel(data)) = {NaN(N)};
mask = blkdiag(nans{:}) + 1; 

%// create new input for bsxfun
X = [data{:}];

%// filtered distance matrix 
dist = mask.*abs(bsxfun(@minus,X(:),X(:).'));

%// find row and col indices of minimum
[~,idx] = min(dist(:))
[ii,jj] = ind2sub( size(dist), idx)

%// output 
a = X(ii)
b = X(jj)

票数 3

Stack Overflow用户

发布于 2016-06-12 06:05:58

正如是一个长注释一样，如果您可以访问统计和机器学习工具箱，那么您可以使用K近邻函数，这些函数有以下优点：

处理不同长度的数组，例如当大小(A)= M，1和size(B) = N，1
处理二维数组，例如当size(A) = M，d和size(B) = N，d时
例如，处理不同的距离类型的：欧几里德、城市块、Chebychev等许多其他类型，甚至还有您自己的自定义距离。
在某些特殊情况下，使用KDTree算法可以获得很好的性能。

尽管在您的例子中，来自"Luis Mendo“的答案看起来相当不错，但是它不能像工具箱提供的K-最近的邻居函数那样扩展。

更新:一个示例代码

% A and B could have any Dimension, just same number of columns (signal Dimension)
A = rand(1000,4);
B = rand(500,4);

% Use any distance you like, some of them are not supported for KDTreeSearcher,
% and you should use ExhaustiveSearcher
myKnnModel= KDTreeSearcher(A, 'Distance', 'minkowski');

% you can ask for many (K) Nearest Neighbors and you always have access to it for later uses
[Idx, D] = knnsearch(myKnnModel, B, 'K',2);

% and this is answer to your special case
[~, idxA] = min(D(:, 1))
idxB = Idx(idxA)