Question

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'loop / nearest_neighbour行以便能够获得每个u，v向量的最近邻居距离。

我想要，例如; 对于第一个矢量，你可以得到坐标和相应的最短距离，对于第二个矢量，你可以得到它的最短距离，直到n

希望有人可以提供帮助。

由于

Answer 1

我知道你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。使用平方距离计算效率更高，并且仅在最后使用平方根。

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，也避免了自我距离：

dist = pdist(point_coordinates);
min_dist = min(dist(:));

Answer 2

如果我可以建议内置函数，请使用统计工具箱中的knnsearch。你基本上做的是K-Nearest Neighbour (KNN)算法，但你忽略了自我距离。您拨打knnsearch的方式如下：

[idx,d] = knnsearch(X, Y, 'k', k);

简单来说，KNN算法会在给定查询点的情况下将k 最近的点返回到您的数据集。通常，欧几里德距离是使用的距离度量。对于MATLAB的knnsearch，X是一个2D数组，由您的数据集组成，其中每个行是一个观察点，每个列是一个变量。 Y将成为查询点。 Y也是一个二维数组，其中每个行是一个查询点，您需要具有与X相同的列数。我们还会指定标志'k'来表示您想要返回的最近点数。默认情况下，k = 1。

因此，idx将是N x K矩阵，其中N是查询点的总数（Y的行数）和{{1}对于我们拥有的每个查询点，将是那些K最接近数据集的点。 k表示数据集中与每个查询最接近的特定点。 idx也是d矩阵，可返回这些相应最近点的最小距离。

因此，您要做的是找到数据集与每个其他点的最近点，忽略自我距离。因此，您可以将N x K和X设置为相同，并设置Y，放弃两个输出的第一列以获得您要查找的结果。

因此：

k = 2

我们得到[idx,d] = knnsearch(point_coordinates, point_coordinates, 'k', 2) idx = idx(:,2); d = d(:,2);和idx：

因此，这告诉我们，对于数据集中的第一点，它与点＃3匹配最佳。这与17.3562的最近距离相匹配。对于数据集中的第二个点，它与点＃5匹配最佳，最近距离为18.5316。您可以以类似的模式继续使用其余结果。

如果您无法访问统计工具箱，请考虑阅读我的StackOverflow帖子，了解我如何从第一原理计算KNN。

Finding K-nearest neighbors and its implementation

事实上，它与你之前的Luis Mendo's post非常相似。

祝你好运！

Matlab计算数组中所有（u，v）向量的最近邻距离

2 个答案: