euclidean-distance

3熱度

3回答

的行之間的歐幾里得距離我有一個numpy陣列等： import numpy as np a = np.array([[1,0,1,0], [1,1,0,0], [1,0,1,0], [0,0,1,1]]) 我想每對行之間，以計算euclidian distance。 from scipy.spatial import distance for i

1熱度

2回答

瞭解歸一化的歐幾里得距離？

我試圖瞭解從Wolfram documentation的歸一化平方歐氏距離公式： 1/2*Norm[(u-Mean[u])-(v-Mean[v])]^2/(Norm[u-Mean[u]]^2+Norm[v-Mean[v]]^2) 我搜索周圍這個公式在網絡上，但無法找到它。有人能解釋這個公式是如何派生的嗎？

2熱度

3回答

計算多維矩陣中的距離

我編寫了這段代碼來計算距離。但得到ValueError: math domain error的錯誤。 import math a=[[5, 10], [16, 23]] b=[[6, 1], [21, 2]] dL=[] dist=[] k=0 h=1 for i in range(len(a)): dL=[] for j in range(len

1熱度

1回答

dist（）的複雜性是什麼？

我在R中使用了dist函數，我想知道它的時間複雜度。我知道層次聚類的時間複雜度爲N^2*logN。層次聚類由R中的兩部分代碼組成。 > d <- dist(as.matrix(mtcars)) # find distance matrix > hc <- hclust(d) # apply hirarchical clustering > plot(hc) # plot th

0熱度

1回答

混淆sklearn距離算法

雖然我想在KNeighborsClassifier中使用標準Euclidean度量。 knn = KNeighborsRegressor(n_neighbors=k,metric='seuclidean') knn.fit(newx,y) 和顯示的類型錯誤： C:\Anaconda3\lib\site-packages\sklearn\neighbors\base.py in fit(sel

1熱度

1回答

當TensorFlow使用RMSE損失我接收非常小的損耗值smalerl大於1

喂予具有產生logits /輸出這樣的網絡： logits = tf.placeholder(tf.float32, [None, 128, 64, 64]) // outputs y = tf.placeholder(tf.float32, [None, 128, 64, 64]) // ground_truth, targets - > Y接地真值從[0, 255] to [0, 1]在

0熱度

1回答

每個記錄與數組中的其他記錄之間的歐幾里得距離

所以我有一個數組[n m]，我需要在C++中編碼每行和數組中其他行之間的歐幾里得距離，並將其存儲在一個新的distance-array [n n]其中每個單元格的值是相交行之間的距離。距離陣列： r0 r1 .....rn r0 0 r1 0 . 0 . 0 rn 0 絲束行或絲束記錄之間的歐幾里得距離：假設我們有這些絲束記錄：

0熱度

1回答

計算OpenCV中SURF特徵之間的距離

我希望能夠在OpenCV中獲得SURF特徵之間的距離。我使用HDBSCAN通過對要求計算SURF描述符之間距離的要素進行聚類來匹配圖像中對象的多個實例。我知道像FLANN和Brute Force Matcher這樣的算法必須計算這樣的距離，但是在查看OpenCV代碼後，我無法瞭解它們是如何做到的。有誰知道如何去做？

1熱度

2回答

創建一個單側距離地圖

我用這個代碼創建了一個黑色的正方形，中間有一條白色的垂直線，我想創建一個關於這條線的距離地圖，但只在左側垂直線。我怎樣才能做到這一點？以下代碼會在行的兩側生成距離圖。 c=zeros(500,500); c(:,250)=1; figure, imshow(c) [D, idx]= bwdist(c,'euclidean')

-1熱度

1回答

兩個文本文件與1,096個人十進制數字 - 減去每個元素和總和

我有兩個文本文件包含1,096個值（這些是從神經網絡層提取的功能）。我想獲取第一個文本文件的第一個元素，並從第二個文本文件的第一個元素中減去它，依次類推至所有1,096個十進制值。然後，我想要將這些減法的總和存儲在一個變量中供以後使用。我是新來的Python，所以我不確定哪個是訪問每個元素的最佳方式 - 我的目標是採用類似於歐幾里得距離方法的方法。