我有一组'向量'，我需要根据它们的“相似性”对它们进行排序。
像这样：向量{1,0,0} {1,1,0} {0,1,0} {1,0,1}非常类似，最后应该彼此接近，但是向量{1,0,0} {8,0,0} {0,5,0} - 不是。
A和B之间的度量是max（abs（A [i] -B [i]）），但是什么样的算法可以根据相对比较对事物进行排序？
UPD：
输入：N个向量的数组
输出：N个向量的数组，其中索引向量最近（例如arr [i] arr [i + 1]）是'similiar'= arr [i]和arr [i + 1]之间的度量值尽可能低任何我，j。
度量 - 向量分量的最大差异
UPD2： 就像现在看来的那样，@ jogojapan是对的 - 我需要对矢量进行聚类，然后按照线性顺序逐个打印它们
答案 0 :(得分：3)
这是由max norm (aka sup norm or l-infinity norm)引起的距离。如果通过对序列中的ordring进行排序，距离不足以创建线性排序。
答案 1 :(得分：2)
排序本质上是一维问题。你在这里描述的内容听起来更像是加权图，但目前还不清楚你的目标是什么。如果你试图找出与已知向量“最接近”的向量，你也可以从信息理论中找到一些概念，例如Hamming Distance。
答案 2 :(得分：0)
嗯，显而易见的方法是（恕我直言，严重命名）“层次聚类”，它总是合并那些具有最小距离的聚类。您可以在那里插入指标。大多数实现都在O（n ^ 3）中，因此对大型数据集没有用。另外，你会得到一个难以阅读的巨大树形图。
您可能想尝试一下OPTICS。在维基百科上查找。它可能会很好地满足您的需求，因为它实际上排序点。它将从一个集群走到另一个集群，并且实际上可以生成分层（如“嵌套”）集群。一个好的实现应该在没有索引结构的O（n ^ 2）和带索引加速的O（n log n）中运行。
答案 3 :(得分：-1)
任何排序算法都可以为您提供所需的结果。
问题是你将如何比较你的向量。你只想比较它们吗？或其他什么？