CSDN论坛 > VC/MFC > 图形处理/算法

[推荐] 有一个非常难的问题,求解答,高维数据求欧式距离加速 [问题点数:400分]

Bbs4
本版专家分:1617
结帖率 99.44%
CSDN今日推荐
Bbs4
本版专家分:1617
Bbs9
本版专家分:83116
Blank
状元 2017年 总版技术专家分年内排行榜第一
Blank
榜眼 2014年 总版技术专家分年内排行榜第二
Blank
探花 2013年 总版技术专家分年内排行榜第三
Blank
进士 2012年 总版技术专家分年内排行榜第七
Bbs2
本版专家分:482
Blank
红花 2011年5月 专题开发/技术/项目大版内专家分月排行榜第一
2011年4月 专题开发/技术/项目大版内专家分月排行榜第一
2011年3月 专题开发/技术/项目大版内专家分月排行榜第一
2011年2月 专题开发/技术/项目大版内专家分月排行榜第一
2011年1月 专题开发/技术/项目大版内专家分月排行榜第一
2010年12月 专题开发/技术/项目大版内专家分月排行榜第一
Blank
黄花 2011年11月 专题开发/技术/项目大版内专家分月排行榜第二
2011年8月 专题开发/技术/项目大版内专家分月排行榜第二
Bbs6
本版专家分:7581
版主
Bbs1
本版专家分:0
Bbs4
本版专家分:1617
Bbs4
本版专家分:1617
Bbs4
本版专家分:1617
Bbs9
本版专家分:83116
Blank
状元 2017年 总版技术专家分年内排行榜第一
Blank
榜眼 2014年 总版技术专家分年内排行榜第二
Blank
探花 2013年 总版技术专家分年内排行榜第三
Blank
进士 2012年 总版技术专家分年内排行榜第七
Bbs9
本版专家分:83116
Blank
状元 2017年 总版技术专家分年内排行榜第一
Blank
榜眼 2014年 总版技术专家分年内排行榜第二
Blank
探花 2013年 总版技术专家分年内排行榜第三
Blank
进士 2012年 总版技术专家分年内排行榜第七
Bbs9
本版专家分:53874
Blank
红花 2015年8月 硬件/嵌入开发大版内专家分月排行榜第一
2015年7月 VC/MFC大版内专家分月排行榜第一
2015年5月 VC/MFC大版内专家分月排行榜第一
2015年4月 VC/MFC大版内专家分月排行榜第一
2015年3月 VC/MFC大版内专家分月排行榜第一
2015年1月 硬件/嵌入开发大版内专家分月排行榜第一
2013年12月 VC/MFC大版内专家分月排行榜第一
2013年11月 VC/MFC大版内专家分月排行榜第一
2013年6月 VB大版内专家分月排行榜第一
2013年5月 VB大版内专家分月排行榜第一
2013年1月 VB大版内专家分月排行榜第一
2012年12月 VB大版内专家分月排行榜第一
Blank
黄花 2015年9月 VC/MFC大版内专家分月排行榜第二
2015年7月 硬件/嵌入开发大版内专家分月排行榜第二
2014年5月 VC/MFC大版内专家分月排行榜第二
2014年3月 VC/MFC大版内专家分月排行榜第二
2013年10月 VB大版内专家分月排行榜第二
2013年7月 VB大版内专家分月排行榜第二
2012年5月 VB大版内专家分月排行榜第二
2012年4月 VB大版内专家分月排行榜第二
2012年2月 VB大版内专家分月排行榜第二
2011年11月 VB大版内专家分月排行榜第二
Blank
蓝花 2015年11月 VC/MFC大版内专家分月排行榜第三
2015年6月 VC/MFC大版内专家分月排行榜第三
2015年2月 VC/MFC大版内专家分月排行榜第三
2014年1月 VC/MFC大版内专家分月排行榜第三
2012年3月 VB大版内专家分月排行榜第三
2011年12月 VB大版内专家分月排行榜第三
2011年10月 VB大版内专家分月排行榜第三
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs3
本版专家分:737
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:11
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:11
Bbs1
本版专家分:0
Bbs1
本版专家分:100
版主
Blank
优秀版主 2015年8月优秀小版主
2015年5月优秀小版主
2015年4月html5优秀版主
Blank
蓝花 2015年7月 Web 开发大版内专家分月排行榜第三
Bbs1
本版专家分:20
Bbs1
本版专家分:0
Bbs9
本版专家分:83116
Blank
状元 2017年 总版技术专家分年内排行榜第一
Blank
榜眼 2014年 总版技术专家分年内排行榜第二
Blank
探花 2013年 总版技术专家分年内排行榜第三
Blank
进士 2012年 总版技术专家分年内排行榜第七
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs3
本版专家分:571
Bbs2
本版专家分:231
Bbs9
本版专家分:53874
Blank
红花 2015年8月 硬件/嵌入开发大版内专家分月排行榜第一
2015年7月 VC/MFC大版内专家分月排行榜第一
2015年5月 VC/MFC大版内专家分月排行榜第一
2015年4月 VC/MFC大版内专家分月排行榜第一
2015年3月 VC/MFC大版内专家分月排行榜第一
2015年1月 硬件/嵌入开发大版内专家分月排行榜第一
2013年12月 VC/MFC大版内专家分月排行榜第一
2013年11月 VC/MFC大版内专家分月排行榜第一
2013年6月 VB大版内专家分月排行榜第一
2013年5月 VB大版内专家分月排行榜第一
2013年1月 VB大版内专家分月排行榜第一
2012年12月 VB大版内专家分月排行榜第一
Blank
黄花 2015年9月 VC/MFC大版内专家分月排行榜第二
2015年7月 硬件/嵌入开发大版内专家分月排行榜第二
2014年5月 VC/MFC大版内专家分月排行榜第二
2014年3月 VC/MFC大版内专家分月排行榜第二
2013年10月 VB大版内专家分月排行榜第二
2013年7月 VB大版内专家分月排行榜第二
2012年5月 VB大版内专家分月排行榜第二
2012年4月 VB大版内专家分月排行榜第二
2012年2月 VB大版内专家分月排行榜第二
2011年11月 VB大版内专家分月排行榜第二
Blank
蓝花 2015年11月 VC/MFC大版内专家分月排行榜第三
2015年6月 VC/MFC大版内专家分月排行榜第三
2015年2月 VC/MFC大版内专家分月排行榜第三
2014年1月 VC/MFC大版内专家分月排行榜第三
2012年3月 VB大版内专家分月排行榜第三
2011年12月 VB大版内专家分月排行榜第三
2011年10月 VB大版内专家分月排行榜第三
Bbs2
本版专家分:145
Bbs2
本版专家分:145
Bbs4
本版专家分:1617
Bbs6
本版专家分:7581
版主
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
匿名用户不能发表回复!登录|注册
其他相关推荐
高维数据样本集的协方差矩阵的求解及算法实现
步骤: 1、获取样本集矩阵(本文中行表示样本,列表示维度) void PCA::orMatrix(int _sapNum, int _dimt) { //初始样本集矩阵 sapNum_ = _sapNum; dimt_ = _dimt; std::cout << "维数为: " << dimt_ << "样本个数为: " << sapNum_ << '\n'; orAry = (doub
MATLAB计算矩阵间的欧式距离(不用循环!)
MATLAB编程题 题目描述:从一个NxM的矩阵C中找出与1xM的矩阵P欧氏距离最小的某一行row,要求不能用循环!!! 输入:矩阵C(NxM)、矩阵P(1xM) 输出:row 解题思路: 程序: function[row]=matchest(C,P) [N,M]=size(C); Distance=zeros([1,N]); Distance=sqrt
欧式距离 caffe tensorflow
caffe: 关于每个样本对(向量)求L2-loss(相减  平方 求和  除以2)     对mini-batch内的所有损失取平均:  (m对应官方文档中的N) 实现代码:https://github.com/BVLC/caffe/blob/master/src/caffe/layers/euclidean_loss_layer.cpp
高维矩阵求逆的方法,inv、pinv、/
1、inv 与 pinv原文地址:点击打开链接对于方阵A,如果为非奇异方阵,则存在逆矩阵inv(A)对于奇异矩阵或者非方阵,并不存在逆矩阵,但可以使用pinv(A)求其伪逆(1)invinv(A)*B 实际上可以写成A\BB*inv(A) 实际上可以写成B/A这样比求逆之后带入精度要高A\B=pinv(A)*B A/B=A*pinv(B)(2)pinvX=pinv(A),X=pinv(A,tol)...
OpenCV矩阵的归一化和欧式距离详解
OpenCV矩阵的归一化和欧式距离详解
标准化欧式距离
标准化欧式距离在对长方体区域进行聚类的时候,普通的距离无法满足要求。 按照普通的距离聚类出的大多是圆形的区域,这时候要采用标准的欧式距离。 两个 n 维向量 a(X11,X12,X13,…X1n)与b(X21,X22,…X2n) 间的标准化欧氏距离公式为: 其中SK是分量的标准差。对于长宽比为2:1的矩形进行聚类,使用标准欧式距离公式为:
高维数据的分析
随着科学技术的发展,人们在实际应用过程中经常会碰到各种类型的海量数据,如证券市场交易数据、多媒体图形图像视频数据、航天航空采集数据、生物特征数据等,这些数据在统计处理中通常称为高维数据。 在分析高维数据过程中碰到最大的问题就是维数的膨胀,也就是通常所说的“维数灾难”问题。研究表明,当维数越来越多时,分析和处理多维数据的复杂度和成本成指数级增长。在分析高维数据时,所需的空间样本数会随维数的增加而呈
分布式高维空间近邻搜索项目开发
项目名称分布式高维空间近邻搜索项目描述目前在互联网上高维空间搜索的算法很多,但性能都不尽人意,比如KD树算法,强调互联网,是指本人能在互联网上搜索到的相关算法,如果某个公司内部有自己研究的算法也可能有不错的性能表现。测试KD树的性能,50维度的数据,100万的数据用了600多毫秒,而且搜索结果与线性搜索的结果相差还很大。鉴于此,我自己研究了一个搜索算法,50维度,200万的数据量,搜索前十个最近邻点
高维检索树
求高维数之间的距离,在文件中处理
「PKUSC2018」最大前缀和 [DP?]
「PKUSC2018」最大前缀和 Tags: DP 状压 「PKUSC2018」最大前缀和 题意 求对于a[]的所有排列的的最大前缀和的和对998244353取模的值。 分析 其实就是一个计数问题?和概率期望没有什么关系。 然后考虑状压,然后某个状态表示的是选择了当前那么多东西之后的最大前缀和之和。 考虑选择或者不选择后面的一段? 但是这样还是有点问题。 只需要...
关闭