Question

我真的需要帮助。

我必须使用L1和L2矩阵，两者都是(500x3)大小。

首先，我计算L1中L2每列的每个元素的差异，如下所示：

lib1 = bsxfun(@minus, L1(:,1)',L2(:,1));
lib1=lib1(:);
lib2 = bsxfun(@minus, L1(:,2)',L2(:,2));
lib2=lib2(:);
lib3 = bsxfun(@minus, L1(:,3)',L2(:,3));
lib3=lib3(:);
LBR = [lib1 lib2 lib3];

结果是这个矩阵LBR。然后我要解决min - 问题：

[d,p] = min((LBR(:,1) - var1).^2 + (LBR(:,2) - var2).^2 + (LBR(:,3) - var3).^2);

返回执行此p - 问题的点min。最后，我可以回到我的矩阵L1和L2，找到满足此min - 问题的值的索引位置。我这样做了如下：

[minindex_alongL2, minindex_alongL1] = ind2sub(size(L1),p);

这没关系。但我现在需要的是：

我必须乘以tensor-product，也称Kronecker product向量alpha到LBR，alpha给出如下：< / p>

alpha = 0:0.1:2;

而且，这个Kronecker product我计算如下：

val = bsxfun(@times,LBR,permute(alpha,[3 1 2]));
LBR = reshape(permute(val,[1 3 2]),size(val,1)*size(val,3),[]);

我现在需要的是：我需要解决相同的min问题：

[d,p] = min((LBR(:,1) - var1).^2 + (LBR(:,2) - var2).^2 + (LBR(:,3) - var3).^2);

但是，这一次，除了找到满足L1问题的L2和min的索引位置和值之外，我还需要查找索引的位置。来自alpha向量的单个值已经成倍增加并且满足min - 问题。我不知道我怎么能这样做，所以任何帮助都将非常感激！

提前致谢！

Ps：如果需要，我可以发布L1和L2矩阵。

Answer 1

我相信您需要在代码中进行此更正 -

[minindex_alongL2, minindex_alongL1] = ind2sub([size(L2,1) size(L1,1)],p)

对于解决方案，您需要在最后一步中将p的大小添加到索引查找中，因为计算出min的向量具有alpha的“附加影响力” -

[minindex_alongL2, minindex_alongL1,minindex_alongalpha] = ind2sub([size(L2,1) size(L1,1) numel(alpha)],p)

minindex_alongalpha可能符合您的利益。

bsxfun实现解决一分钟。优化任务

1 个答案: