Найдите всех соседей на заданном расстоянии с помощью входных данных
Idx = rangesearch(X,Y,r)[Idx,D] =
rangesearch(X,Y,r)[Idx,D] =
rangesearch(X,Y,r,Name,Value)Найдите точки X, которые являются на Евклидовом расстоянии 1.5 каждой точки Y. И X и Y являются выборками пятимерных нормально распределенных переменных.
rng('default') % For reproducibility X = randn(100,5); Y = randn(10,5); [Idx,D] = rangesearch(X,Y,1.5)
Idx = 10x1 cell array
{1x7 double}
{1x2 double}
{1x11 double}
{1x2 double}
{1x12 double}
{1x9 double}
{[ 89]}
{1x0 double}
{1x0 double}
{1x0 double}
D = 10x1 cell array
{1x7 double}
{1x2 double}
{1x11 double}
{1x2 double}
{1x12 double}
{1x9 double}
{[ 1.1739]}
{1x0 double}
{1x0 double}
{1x0 double}
В этом случае последние три точки Y являются больше, чем расстояние 1.5 далеко от любой точки X. X(89,:) является расстоянием 1.1739 далеко от Y(7,:), и никакой другой точкой X не является на расстоянии 1.5 Y(7,:). X содержит точки 12 на расстоянии 1.5 Y(5,:).
Сгенерируйте 5 000 случайных точек от каждого из трех отличных многомерных нормальных распределений. Переключите средние значения дистрибутивов так, чтобы случайным образом сгенерированные точки, вероятно, сформировали три отдельных кластера.
rng('default') % For reproducibility N = 5000; dist = 10; X = [mvnrnd([0 0],eye(2),N); mvnrnd(dist*[1 1],eye(2),N); mvnrnd(dist*[-1 -1],eye(2),N)];
Для каждой точки в X найдите точки в X, которые являются в радиусе dist далеко от точки. Для более быстрого вычисления задайте, чтобы сохранить индексы самых близких соседей неотсортированными. Выберите первую точку в X и найдите ее самых близких соседей.
Idx = rangesearch(X,X,dist,'SortIndices',false);
x = X(1,:);
nearestPoints = X(Idx{1},:);Найдите значения в X, которые не являются самыми близкими соседями x. Отобразите те точки в одном цвете и самых близких соседях x в различном цвете. Маркируйте точку x черным, заполненным кругом.
nonNearestIdx = true(size(X,1),1);
nonNearestIdx(Idx{1}) = false;
scatter(X(nonNearestIdx,1),X(nonNearestIdx,2))
hold on
scatter(nearestPoints(:,1),nearestPoints(:,2))
scatter(x(1),x(2),'black','filled')
hold off
Найдите пациентов в наборе данных patients, которые являются в определенном возрасте и области значений веса пациентов в Y.
Загрузите набор данных patients. Значения Age находятся в годах, и значения Weight находятся в фунтах.
load patients X = [Age Weight]; Y = [20 162; 30 169; 40 168]; % New patients
Создайте пользовательскую функцию расстояния distfun, который определяет расстояние между пациентами с точки зрения возраста и веса. Например, согласно distfun, два пациента, которые на расстоянии в один год в возрасте и имеют тот же вес, являются одной единицей расстояния независимо. Точно так же два пациента, которые имеют тот же возраст и на расстоянии в пять фунтов в весе, являются также одной единицей расстояния независимо.
type distfun.m % Display contents of distfun.m file
function D2 = distfun(ZI,ZJ) ageDifference = abs(ZI(1)-ZJ(:,1)); weightDifference = abs(ZI(2)-ZJ(:,2)); D2 = ageDifference + 0.2*weightDifference; end
Примечание: Если вы нажимаете кнопку, расположенную в верхнем правом разделе этого примера, и открываете пример в MATLAB®, затем MATLAB открывает папку в качестве примера. Эта папка включает файл функции distfun.m.
Найдите пациентов в X, которые являются на расстоянии 2 пациентов в Y.
[Idx,D] = rangesearch(X,Y,2,'Distance',@distfun)Idx = 3x1 cell array
{1x0 double}
{1x0 double}
{[ 41]}
D = 3x1 cell array
{1x0 double}
{1x0 double}
{[ 1.8000]}
Третий пациент в Y является единственным, чтобы иметь пациента в X на расстоянии 2.
Отобразите Age и значения Weight для самого близкого пациента в X пациенту с возрастом 40 и вес 168.
X(Idx{3},:)ans = 1×2
39 164
Для фиксированного положительного действительного значения r rangesearch находит все точки X, которые являются на расстоянии r каждой точки Y. Найти k указывает в X, которые являются самыми близкими к каждой точке Y, для фиксированного положительного целочисленного k, используют knnsearch.
rangesearch не сохраняет поисковый объект. Чтобы создать поисковый объект, используйте createns.
Для обзора алгоритма d-дерева k см., что Соседний Поиск k-Nearest Использует Kd-дерево.
Алгоритм исчерпывающего поиска находит расстояние от каждой точки в X к каждой точке в Y.
Если вы устанавливаете аргумент пары "имя-значение" 'NSMethod' функции rangesearch соответствующему значению ('exhaustive' для алгоритма исчерпывающего поиска или 'kdtree' для алгоритма d-дерева K), то результаты поиска эквивалентны результатам, полученным путем проведения поиска расстояния использование функции объекта rangesearch. В отличие от функции rangesearch, функция объекта rangesearch требует объект модели KDTreeSearcher или ExhaustiveSearcher.
ExhaustiveSearcher | KDTreeSearcher | createns | knnsearch | pdist2