問題タブ [euclidean-distance]

私は、OpenGL で滑らかなテクスチャ ベースのアウトライン効果を求めています。これまでのところ、ほとんどすべての種類のエッジ検出アルゴリズムを試しましたが、ほとんどが粗くてギザギザのアウトラインになりました。次に、ディスタンス フィールドについて読みました。私はかなり良い距離フィールドを行う例を見つけました。GLSL コードは次のとおりです。

このシェーダの結果は、ディスタンス フィールド アウトラインの外側の画面領域を塗りつぶすためにディフューズ カラーを使用して画面全体をカバーします。次のようになります。

私が必要とするのは、距離フィールドの外側の塗りつぶされた赤い塗りつぶしを持つすべての領域を透明のままにすることです。

ボールが衝突したときにボールの色を赤に変えたいです。check()ボールが衝突したときにボールの色を変更する関数を使用してみましたが、ボールが衝突しballs[i].colorたときに比較するボールの位置をどのように知ることができますか?

http://jsbin.com/imofat/743/edit

2つのボールが衝突したときにボールの色を赤に変えるコードは次のとおりです。もうすぐそこにいますが、1つのボールが色を変えていないので、問題は見つからないようです。みんな助けてください！

これがjsbinです：http： //jsbin.com/imofat/790/edit

クラスタリングの適切な類似度を見つけるのに問題があります。約 3000 個のセットの配列があり、各セットには特定のドメインの機能 (数字、色、日、アルファベットなど) が含まれています。私の問題を例で説明します。

2 つの配列 (a1 と a2) しかなく、それらの間の類似性を見つけたいとします。各配列には 4 つのセットが含まれ (実際の問題では、配列ごとに 250 セット (ドメイン) あります)、セットは空にすることができます。

Jaccardインデックス (J として示される)を使用した類似度測定が付属しています。

注: 0 と 1 の間の類似性を維持するために、セットの総数 (上の例では 4) で割ります。

Is this a proper similarity measure and are there any flaws in this approach. 関連するドメイン間の類似性（つまり、色と色など）を比較したいので、各セットに個別に Jaccard インデックスを適用しています。

私の問題に対する他の適切な類似性尺度を認識していません。さらに遠く、can I use this similarity measure for clustering purpose?

EuclideanDistanceSimilarityクラスを使用して、Hadoopを使用して多数のアイテムの類似性を計算しています。

残念ながら、一部のアイテムは、アイテムと非常に類似しているにもかかわらず、ゼロまたは非常に少数の類似アイテムを取得しています。

EuclideanDistanceSimilarityクラスのこの行まで追跡したと思います。

double euclideanDistance = Math.sqrt(normA - 2 * dots + normB);

sqrtに渡される値が負の場合があり、その場合はNaNが返されます。おそらくどこかにMath.absがあるはずだと思いますが、私の数学は、ユークリッド計算がどのように再配置されたかを理解するのに十分なほど強力ではないため、効果がどうなるかわかりません。

誰かが数学をもっとよく説明して、

double euclideanDistance = Math.sqrt(Math.abs(normA - 2 * dots + normB));

許容できる修正でしょうか？

Delaunay 三角形分割手法を使用して EMST (ユークリッド MST) を見つけることについてのテキストを調べていましたが、スイープ ライン アルゴリズムを通じて EMST を見つけることができる場所も読んでいました。この方が実装しやすいので、既存のライブラリを利用するよりも実装したいと思います。このアルゴリズムが説明されている（おそらく無料の）論文/情報源へのリンクを教えてもらえますか？

次のように、ポリライン (接続された直線セグメントの順序付きリスト) を記述する配列があります。

現在、次のループを使用してセグメント距離のリストを取得しています。

代わりに、ネイティブの Scipy/Numpy 関数を使用して、ループなしで単一の関数呼び出しを適用したいと思います。

私が得ることができる最も近いものはこれです：

しかし、この後者の場合、segdists はすべての距離を提供し、隣接する行間の距離のみを取得したいと考えています。

また、カスタム関数を作成することは避けたいと思います (既に機能するソリューションがあるため)。代わりに、ネイティブ関数をより「numpythonic」に使用します。

いくつかのクラスター センターといくつかのデータ ポイントがあります。以下のように距離を計算したい（ノルムはユークリッド距離用です）：

このスニペットをベクトル化するにはどうすればよいですか? ありがとう

OK最近、このscipy.spatial.distance.cdistコマンドが、ソースと宛先の2つのベクトル配列間の完全な距離行列を解くのに非常に速いことを発見しました。参照：numpyを使用してユークリッド距離を計算するにはどうすればよいですか？ 2つの同じサイズのアレイ間の距離を解決するときに、これらのパフォーマンスの向上を再現しようと思いました。前のリンクに示されているように、2つのSINGLEベクトル間の距離は計算がかなり簡単です。ベクトルを取ることができます：

次に、「numpy.linalg.norm」を使用します。

と同等です

my_distance = distance_between( A[i], B[i] ) for all iただし、2番目の解が完全に機能する2セットのベクトル間の距離を知りたい場合は、これはうまく機能します。その中で予想通り：

iのth要素Aからのith要素までの42の距離のセットを与えてくれますB。関数normは行列全体のノルムを正しく計算しますが、私が探しているものではない単一の値を与えてくれます。cdist42の距離での動作は、私が維持したいものです。できれば、完全な行列を解くのとほぼ同じ速度で動作します。だから問題は、Pythonとnumpy / scipyを使用iして形状のあるデータ間の距離を計算する最も効率的な方法は何(n,i)ですか？

ありがとう、スローン

それについて質問があります。ユークリッド距離の 2 つの異なる定義を見てきました。最初のものはウィキペディアからのものです (http://en.wikipedia.org/wiki/Euclidean_distance): http://upload.wikimedia.org/math/3/e/3/3e31af0e62dd2780540f796b51a0ce4e.png

2 つ目は本からのものです: https://dl.dropbox.com/u/46038869/1.jpg

違いを説明していただけますか？前もって感謝します