rangesearch
找到所有的邻居指定距离内使用输入数据
描述
例子
找到指定距离内的所有点
找到X在欧氏距离的点1.5每一个Y点。这两个X和Y是五维正态分布变量的样本。
rng (“默认”)%的再现性X = randn (100 5);Y = randn (10、5);[Idx D] = rangesearch (X, Y, 1.5)
Idx =10×1单元阵列{1 x7双}{1 x2双}{1 x11双}{1 x2双}{1 x12双}{1 x9双}{[89]}{1 x0双}{1 x0双}{1 x0双}
D =10×1单元阵列{1 x7双}{1 x2双}{1 x11双}{1 x2双}{1 x12双}{1 x9双}{[1.1739]}{1 x0双}{1 x0双}{1 x0双}
在这种情况下,最后三人Y点是多1.5距离任何X点。X(89年:)是1.1739距离:Y(7日),没有其他X点是在距离1.5的:Y(7日)。X包含12内点的距离1.5的:Y(5日)。
在集群数据找到最近的点
从每个生成5000个随机点三个不同的多元正态分布。转变的方式分布,随机生成的点可能会形成三个单独的集群。
rng (“默认”)%的再现性N = 5000;dist = 10;X = [mvnrnd([0 0)、眼睛(2)、N);mvnrnd (dist *[1],眼(2),N);mvnrnd (dist *[1],眼(2),N)];
每一个点的X,找到点X在一个半径经销远离这一点。对于更快的计算,指定保持指数最近的邻居无序。选择第一个点X,找到最近的邻国。
Idx = rangesearch (X, X,经销,“SortIndices”、假);x = x (1:);nearestPoints = X (: Idx {1});
中找到的值X不是最近的邻居的x。显示这些点在一个颜色和最近的邻居x在一个不同的颜色。标签的x黑色,圆了。
nonNearestIdx = true(大小(X, 1), 1);nonNearestIdx (Idx {1}) = false;散射(X (nonNearestIdx, 1), X (nonNearestIdx 2))在散射(nearestPoints (: 1) nearestPoints(:, 2)散射(x (1), (2),“黑”,“填充”)举行从
找到距离最近的点使用自定义函数
发现的病人病人数据集,在一定年龄和体重的病人Y。
加载病人数据集。年龄值是在年,重量的值在磅。
负载病人X =(年龄体重);Y = [162;30 169;40 168];%的新病人
创建一个自定义距离函数distfun决定患者的年龄和体重之间的距离。例如,据distfun两个病人,相隔一年在年龄和体重相距一个距离单元相同。类似地,两个病人有相同的年龄,相距5磅的体重也是一个距离单元分开。
类型distfun.m%显示distfun内容。m文件
函数D2 = distfun(子、ZJ) ageDifference = abs(子(1)ZJ (: 1));weightDifference = abs(子(2)zj (:, 2));D2 = ageDifference + 0.2 * weightDifference;结束
注意:如果单击按钮位于右上角的这个例子和开放的MATLAB®中的示例,然后用MATLAB打开示例文件夹。这个文件夹包括函数文件distfun.m。
发现病人在X在距离2的病人中Y。
[Idx D] = rangesearch (X, Y, 2,“距离”@distfun)
Idx =3×1单元阵列{1 x0双}{1 x0双}{[41]}
D =3×1单元阵列{1 x0双}{1 x0双}{[1.8000]}
第三个病人Y是唯一一个有病人吗X的距离内2。
显示年龄和重量值最近的病人X随着年龄的病人40和重量168年。
X (Idx {3}:)
ans =1×2164年39
输入参数
输出参数
提示
算法
的概述kd-tree算法,看到再搜索使用kd tree。
选择功能
如果你设置rangesearch函数“NSMethod”适当的名称-值对参数值(“详尽”或一个详尽的搜索算法“kdtree”对于一个Kd-tree算法),然后搜索结果相当于获得的结果进行一个距离搜索使用rangesearch对象的功能。不像rangesearch函数,rangesearch目标函数需要一个ExhaustiveSearcher或KDTreeSearcher模型对象。
