클러스터 색상 값에 대한 자체 구성지도를 학습 중입니다. 이제 노드와 직접 이웃 사이의 유클리드 거리를 표시하기 위해 일종의 U-matrix을 만들고 싶습니다. 내 문제는 지금 내 알고리즘이 상당히 불충분하다는 것이다! 이것을보다 효율적으로 계산하는 방법은 분명히 있을까요? function displayUmatrix(dims,weights) %#dims i
우리는 EuclideanDistanceSimilarity 클래스를 사용하여 Hadoop을 사용하여 여러 항목의 유사성을 계산합니다. 일부 항목은 항목과 매우 유사 함에도 불구하고 유사한 항목을 거의 또는 거의 얻지 못하고 있습니다. 나는 내가 EuclideanDistanceSimilarity 클래스에서이 라인을 아래로 추적 것 같아요 : double euc
쿼리 이미지가 하나 있고 matlab에 10 개의 이미지가있는 데이터베이스가 있다고 가정합니다. 나는 질의 이미지와 관련하여 유클리드 거리가 가장 작은 하나의 이미지를 읽고 보여줄 수있다. 하지만 이제는 데이터베이스에서 적어도 5 개의 이미지를 읽고 표시하고 싶습니다. 즉 5 개의 다른 창에서 5 개의 이미지를 읽고 표시하고 싶습니다. 다음과 같이 읽기와이
나는 16elements.I의 배열을 반환하는 EXE가 MySQL에서 유클리드 distance.My 테이블을 계산하는 PHP를 사용하여 MySQL을 위해이 배열을 통과해야 양식에 있습니다. id |img_id | features_1|features_2|features_3|features_4|features_5|features_6|features_7|...u
파이썬을 사용하여 PCA (Principal Component Analysis)로 얼굴 인식을 구현하려고합니다. 나는이 튜토리얼의 단계를 수행하고있다 : import os
from PIL import Image
import numpy as np
import glob
import numpy.linalg as linalg
#Step1: put da
나는 그것에 대해 질문이있다. 유클리드 거리의 두 가지 다른 정의를 보았습니다. 이 두 번째 책에서입니다 http://upload.wikimedia.org/math/3/e/3/3e31af0e62dd2780540f796b51a0ce4e.png 가 : https://dl.dropbox.com/u/46038869/1.jpg 당신이 나에게 차이를 설명 할 수 첫
클러스터링을위한 적절한 유사성 측정을 찾는 데 문제가 있습니다. 각 세트에는 특정 도메인의 기능 (예 : 숫자, 색상, 일, 알파벳 등)이 포함 된 약 3000 개의 배열 집합이 있습니다. 내 문제를 예제로 설명하겠습니다. 내가 2 개의 어레이 (a1 & a2)만을 가지고 있다고 가정하고 그들 사이의 유사성을 찾고 싶습니다. 각 배열에는 4 세트가 들어 있
일부 클러스터 센터와 일부 데이터 포인트가 있습니다. 나는 (표준은 유클리드 거리입니다) 아래로 거리를 계산하려면 : costsTmp = zeros(NObjects,NClusters);
lambda = zeros(NObjects,NClusters);
for clustclust = 1:NClusters
for obj
나는이 두 지점 x1 = (a1,b1,c1,d1,e1); //5 dimensional point
x2 = (a2,b2,c2,d2,e2); //5 dimensional point
그래서 유클리드의 DIST를 계산하기 위해이 올바른 방법입니다? d = sqrt(sqr(a1-a2)+sqr(b1-b2)+sqr(c1-c2)+sqr(d1-d2)+sqr(e1-e2