Поиск всех соседей на указанном расстоянии с помощью входных данных
Найти X точки, находящиеся в пределах евклидова расстояния 1.5 каждого из Y точка. Оба 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=10×1 cell array
{[ 25 62 33 99 87 92 16]}
{[ 92 25]}
{[ 93 42 31 73 60 28 78 83 48 89 85]}
{[ 92 41]}
{[44 7 28 78 75 42 69 31 1 26 83 93]}
{[ 15 31 89 41 27 17 29 60 34]}
{[ 89]}
{1x0 double }
{1x0 double }
{1x0 double }
D=10×1 cell array
{[ 0.9546 1.0987 1.2730 1.3981 1.4140 1.4249 1.4822]}
{[ 1.4203 1.4558]}
{1x11 double }
{[ 1.1244 1.4672]}
{1x12 double }
{[1.2824 1.2843 1.3342 1.3469 1.4154 1.4237 1.4625 1.4626 1.4744]}
{[ 1.1739]}
{1x0 double }
{1x0 double }
{1x0 double }
При этом последние три Y баллов больше, чем 1.5 расстояние от любого X точка. X(89,:) является 1.1739 расстояние от Y(7,:), и никаких других X точка находится в пределах расстояния 1.5 из Y(7,:). X содержит 12 точки в пределах расстояния 1.5 из Y(5,:).
Создайте 5000 случайных точек из каждого из трех различных многомерных нормальных распределений. Переместите средства распределений так, чтобы случайно сгенерированные точки, вероятно, образовали 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 находятся в радиусе dist вдали от точки. Для ускорения вычислений укажите, чтобы индексы ближайших соседей не были отсортированы. Выберите первую точку в X и найдите ее ближайшие соседи.
Idx = rangesearch(X,X,dist,'SortIndices',false);
x = X(1,:);
nearestPoints = X(Idx{1},:);Найти значения в X которые не являются ближайшими соседями x. Отображение этих точек одним цветом и ближайшими соседями x другого цвета. Маркировка точки x с 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 patients набор данных, которые находятся в пределах определенного возраста и диапазона веса пациентов в Y.
Загрузить patients набор данных. Age значения в годах, и Weight значения в фунтах.
load patients X = [Age Weight]; Y = [20 162; 30 169; 40 168]; % New patients
Создание пользовательской функции расстояния distfun это определяет расстояние между пациентами с точки зрения возраста и веса. Например, согласно distfunДва пациента, которые разнесены на один год по возрасту и имеют одинаковый вес, находятся на одном расстоянии друг от друга. Аналогично, два пациента, которые имеют одинаковый возраст и отделены по весу на пять фунтов, также находятся на одном расстоянии друг от друга.
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 нажать кнопку, расположенную в правой верхней части этого примера, и открыть пример в MATLAB ®, то MATLAB откроет папку примеров. Эта папка содержит файл функцииdistfun.m.
Найти пациентов в X которые находятся в пределах расстояния 2 пациентов в Y.
[Idx,D] = rangesearch(X,Y,2,'Distance',@distfun)Idx=3×1 cell array
{1x0 double}
{1x0 double}
{[ 41]}
D=3×1 cell array
{1x0 double}
{1x0 double}
{[ 1.8000]}
Третий пациент в Y является единственным, у которого есть пациент в X в пределах расстояния 2.
Отображение Age и Weight значения для ближайшего пациента в X к пациенту с возрастом 40 и вес 168.
X(Idx{3},:)ans = 1×2
39 164
Для фиксированного положительного реального значения r, rangesearch находит все X точки, находящиеся на некотором расстоянии r каждого из Y точка. Чтобы найти k точек в X которые являются ближайшими к каждому Y точка, для фиксированного положительного целого числа k, используйте knnsearch.
rangesearch не сохраняет объект поиска. Чтобы создать объект поиска, используйте createns.
Обзор алгоритма kd-tree см. в разделе k-Ближайший поиск соседей с использованием Kd-дерева.
Алгоритм исчерпывающего поиска находит расстояние от каждой точки в X к каждой точке в Y.
Если установить rangesearch функция 'NSMethod' аргумент пары имя-значение к соответствующему значению ('exhaustive' для исчерпывающего алгоритма поиска или 'kdtree' для алгоритма Kd-tree), то результаты поиска эквивалентны результатам, полученным при выполнении поиска расстояния с использованием rangesearch объектная функция. В отличие от rangesearch функция, rangesearch для функции объекта требуется ExhaustiveSearcher или KDTreeSearcher объект модели.
createns | ExhaustiveSearcher | KDTreeSearcher | knnsearch | pdist2 | rangesearch