判別分析時,通常涉及到計算兩個樣本之間的距離,多元統計學理論中有多種距離計算公式。matlab中已有對應函式,可方便直接呼叫計算。距離函式有:pdist,pdist2, mahal, squareform, mdscale, cmdscale
主要介紹pdist2 ,其它可參考matlab help
d = pdist2(x,y)
d = pdist2(x,y,distance)
d = pdist2(x,y,'minkowski',p)
d = pdist2(x,y,'mahalanobis',c)
d = pdist2(x,y,distance,'smallest',k)
d = pdist2(x,y,distance,'largest',k)
[d,i] = pdist2(x,y,distance,'smallest',k)
[d,i] = pdist2(x,y,distance,'largest',k)
練習:2種計算方式,一種直接利用pdist計算,另一種按公式(見最後理論)直接計算。
% distance
clc;clear;
x = rand(4,3)
y = rand(1,3)
for i =1:size(x,1)
for j=1:size(y,1)
a = x(i,:); b=y(j,:);
% euclidean distance
d1(i,j)=sqrt((a-b)*(a-b)');
% standardized euclidean distance
v = diag(1./std(x).^2);
d2(i,j)=sqrt((a-b)*v*(a-b)');
% mahalanobis distance
c = cov(x);
d3(i,j)=sqrt((a-b)*pinv(c)*(a-b)');
% city block metric
d4(i,j)=sum(abs(a-b));
% minkowski metric
p=3;
d5(i,j)=(sum(abs(a-b).^p))^(1/p);
% chebychev distance
d6(i,j)=max(abs(a-b));
% cosine distance
d7(i,j)=1-(a*b')/sqrt(a*a'*b*b');
% correlation distance
ac = a-mean(a); bc =b-mean(b);
d8(i,j)=1- ac*bc'/(sqrt(sum(ac.^2))*sqrt(sum(bc.^2)));
endendmd1 = pdist2(x,y,'euclidean');
md2 = pdist2(x,y,'seuclidean');
md3 = pdist2(x,y,'mahalanobis');
md4 = pdist2(x,y,'cityblock');
md5 = pdist2(x,y,'minkowski',p);
md6 = pdist2(x,y,'chebychev');
md7 = pdist2(x,y,'cosine');
md8 = pdist2(x,y,'correlation');
md9 = pdist2(x,y,'hamming');
md10 = pdist2(x,y,'jaccard');
md11 = pdist2(x,y,'spearman');
d1=[d1,md1],d2=[d2,md2],d3=[d3,md3]
d4=[d4,md4],d5=[d5,md5],d6=[d6,md6]
d7=[d7,md7],d8=[d8,md8]
md9,md10,md11
執行結果如下:
x =0.5225
0.6382
0.6837
0.3972
0.5454
0.2888
0.8135
0.0440
0.0690
0.6608
0.5943
0.8384
y =0.5898
0.7848
0.4977
d1 =
0.2462
0.2462
0.3716
0.3716
0.8848
0.8848
0.3967
0.3967
d2 =
0.8355
0.8355
1.5003
1.5003
3.1915
3.1915
1.2483
1.2483
d3 =
439.5074 439.5074
437.5606 437.5606
438.3339 438.3339
437.2702 437.2702
d4 =
0.3999
0.3999
0.6410
0.6410
1.3934
1.3934
0.6021
0.6021
d5 =
0.2147
0.2147
0.3107
0.3107
0.7919
0.7919
0.3603
0.3603
d6 =
0.1860
0.1860
0.2395
0.2395
0.7409
0.7409
0.3406
0.3406
d7 =
0.0253
0.0253
0.0022
0.0022
0.3904
0.3904
0.0531
0.0531
d8 =
1.0731
1.0731
0.0066
0.0066
1.2308
1.2308
1.8954
1.8954
md9 =11
11md10 =11
11md11 =
1.5000
0.0000
1.5000
2.0000
基本理**式如下:
Matlab 距離變換
距離變換 是對二值影象的一種操作運算 它將一幅二值影象轉化為一幅灰度影象 在這幅灰度影象中 每個畫素的灰度級是該畫素與距其最近的背景間的距離 從理論上講 要計算乙個畫素點到背景畫素點的 最短距離 需要對影象進行全域性操作運算 即計算此畫素點與所有背景畫素點的距離 再取最小值 除非這 幅數字影象的尺寸...
MATLAB的dist函式用法及歐式距離
1 dist函式 dist函式就是歐式距離加權函式 dist w,p 中 w s r的權值矩陣 p r q的矩陣,表示q個輸入 列 向量 例 a 1 2 3 b 4 5 6 dist a,b sqrt 1 4 2 2 5 2 3 6 2 5.1962 參考mathworks裡面的dist函式 後續更...
Matlab計算矩陣間距離
夜深人靜時分,宿舍就我自己,只有蚊子陪伴著我,我慢慢碼下這段文字.我們倆交流了很多.從實驗室,到研究課題,到lol,筆者深深為他淵博的學識和不俗的談吐所打動,恩恩,遇到志同道合的人挺不容易的.最重要的是感謝他的開源精神,給我了很多我急需的資料和 在此,也感謝提供的這個平台,讓我們在這茫茫人海中有了相...