rangesearch

使用输入数据查找指定距离内的所有邻居

在页面中全部折叠

语法

Idx = rangesearch (X, Y, r)

[Idx D] = rangesearch (X, Y, r)

[Idx D] = rangesearch (X, Y, r,名称,值)

描述

Idx= rangesearch (X，Y，r）发现所有的X在距离内的点r的Y点。的行X而且Y对应观察结果，列对应变量。

例子

［Idx，D) = rangesearch (X，Y，r）对象之间的距离Y点和X在距离内的点r．

例子

［Idx，D) = rangesearch (X，Y，r，名称,值）使用一个或多个名称-值对参数指定其他选项。例如，您可以指定搜索中使用的最近邻搜索方法和距离度量。

例子

全部折叠

找到指定距离内的所有点

打开生活的脚本

找到X在欧氏距离内的点1．5每一个Y点。这两个X而且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{[25 62 33 99 87 92 16]} {[92 25]} {[93 42 31 73 60 28 78 83 48 89 85]} {[92 41]} {[44 7 28 78 75 42 69 31 1 26 83 93]} {[15 31 89 41 27 17 29 60 34]} {[89]} {1x0 double} {1x0 double} {1x0 double}

D =10×1单元阵列{[0.9546 1.0987 1.3981 1.4140 1.4249 1.4822]}{[1.4203 1.4558]}{[0.7114 0.7552 1.0081 1.1324 1.1424 1.1637 1.2108 1.3824 1.3944…]}{[1.1244 1.4672]}{[0.7863 0.9326 0.9773 1.0508 1.1722 1.1934 1.3218 1.3623 1.3869…]} {[1.2824 1.2843 1.3342 1.3469 1.4154 1.4237 1.4625 1.4626 1.4744]} {[1.1739]} {1x0 double} {1x0 double} {1x0 double}

在这种情况下，是后三个Y分大于1．5远离任何东西的距离X点。X(89年:)是1.1739距离: Y(7日)，没有其他X点在距离内1．5的: Y(7日)．X包含12内点的距离1．5的: Y(5日)．

在聚类数据中查找最近的点

打开生活的脚本

从三个不同的多元正态分布中生成5000个随机点。移动分布的均值，使随机生成的点可能形成三个独立的簇。

rng (“默认”）%的再现性N = 5000;dist = 10;X = [mvnrnd([0 0]，eye(2)，N);mvnrnd (dist *[1],眼(2),N);mvnrnd (dist *[1],眼(2),N)];

中的每一点X求其中的点X在一个半径内经销离题了。为了加快计算速度，指定保持最近邻居的索引未排序。选择X中的第一个点，找出它最近的邻居。

Idx = rangesearch (X, X,经销,“SortIndices”、假);x = x (1:);nearestPoints = X (: Idx {1});

找到中的值X不是最近的邻居x．用一种颜色显示这些点和最近的邻居x换一种颜色。标签的x用一个黑色的填充圈。

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

图中包含一个axes对象。axis对象包含3个散点类型的对象。

使用自定义距离函数查找最近的点

打开生活的脚本

找到病人在病人在患者的一定年龄和体重范围内的数据集Y．

加载病人数据集。的年龄价值是以年为单位的重量数值以磅为单位。

负载病人X =[年龄体重];Y = [20 162;30 169;40 168];%的新病人

创建一个自定义距离函数distfun这在年龄和体重方面决定了患者之间的距离。例如，根据distfun，两个年龄相差1岁、体重相同的患者相距一个距离单位。同样地，两个年龄相同、体重相差5磅的病人也相距一个距离单位。

类型distfun.m显示distfun的内容。m文件

函数D2 = distfun(ZI,ZJ) ageDifference = abs(ZI(1)-ZJ(:，1));weightDifference = abs(子(2)zj (:, 2));D2 =年龄差+ 0.2*体重差;结束

注意:如果单击位于此示例右上方部分的按钮并在MATLAB®中打开该示例，则MATLAB将打开示例文件夹。这个文件夹包含函数文件distfun.m．

找到医院的病人X都在距离之内2的病人Y．

[Idx D] = rangesearch (X, Y, 2,“距离”@distfun)

Idx =3×1单元阵列{1x0 double} {1x0 double} {[41]}

D =3×1单元阵列{1x0 double} {1x0 double} {[1.8000]}

第三位病人Y这是唯一有病人的医院吗X在…2．

显示年龄而且重量最近的病人的数值X给有年龄的病人40和重量168．

X (Idx {3}:)

ans =1×2164年39

输入参数

全部折叠

`X`- - - - - -输入数据
数字矩阵

输入数据，指定为mx——- - - - - -n数字矩阵，每一行代表一个n维点。列数n必须等于的列数Y．

数据类型:单|双

`Y`- - - - - -查询点
数字矩阵

查询点，指定为我的——- - - - - -n数字矩阵，每一行代表一个n维点。列数n必须等于的列数X．

数据类型:单|双

`r`- - - - - -搜索半径
负的标量

每个查询点周围的搜索半径，指定为一个非负标量。rangesearch找到所有X距离内的点(行)r每一个Y点。距离的意义取决于“距离”名称-值对的论点。

数据类型:单|双

名称-值参数

指定可选参数对为Name1 = Value1,…,以=家,在那里的名字参数名称和价值对应的值。名-值参数必须出现在其他参数之后，但对的顺序并不重要。

在R2021a之前，名称和值之间用逗号隔开，并括起来的名字在报价。

例子:rangesearch (X, Y, 1.4,“距离”,“seuclidean”,“规模”,差(X))指定查找中的所有观察值X在距离1．4的每一个观察结果Y的四分位范围缩放的标准化欧几里得距离X．

`NSMethod`- - - - - -最近邻搜索法
`“kdtree”`|`“详尽”`

最近邻搜索方法，指定为逗号分隔的对，由“NSMethod”其中一个值。

价值描述

价值	描述
`“kdtree”`	创建并使用Kd树查找最近的邻居。`“kdtree”`仅当距离度量是以下选项之一时有效: `“chebychev”` `“cityblock”` `“欧几里得”` `闵可夫斯基的`
`“详尽”`	使用穷尽搜索算法。该软件计算所有的距离`X`指出每个`Y`指向最近的邻居。

“kdtree”

创建并使用Kd树查找最近的邻居。“kdtree”仅当距离度量是以下选项之一时有效:

“chebychev”
“cityblock”
“欧几里得”
闵可夫斯基的

“详尽” 使用穷尽搜索算法。该软件计算所有的距离X指出每个Y指向最近的邻居。

“kdtree”列数是否为默认值X是否小于等于10，X不是稀疏的，距离度量是有效的吗“kdtree”指标。否则，默认值为“详尽”．

例子:“NSMethod”、“详尽”

`距离`- - - - - -距离度量
`“欧几里得”`(默认)|`“seuclidean”`|`“mahalanobis”`|`“cityblock”`|`闵可夫斯基的`|`“chebychev”`|函数处理|……

距离度量,rangesearch使用，指定为逗号分隔的对，由“距离”和这个表中的一个值。

价值	描述
`“欧几里得”`	欧氏距离。
`“seuclidean”`	标准化的欧氏距离。每一行之间的坐标差`X`通过除以相应的标准偏差的元素来计算查询点`X`，`性病(X, omitnan)`．要指定另一个缩放，请使用`“规模”`名称-值对的论点。
`“mahalanobis”`	马氏距离，用正定协方差矩阵计算`C`．的默认值。`C`样本协方差矩阵是`X`，按`X (X, omitrows)`．指定不同的值`C`,可以使用`“浸”`名称-值对的论点。
`“cityblock”`	城市街区的距离。
`闵可夫斯基的`	闵可夫斯基距离。默认指数为`2`．要指定不同的指数，请使用`“P”`名称-值对的论点。
`“chebychev”`	切比乔夫距离(最大坐标差)。
`的余弦`	1减去观测值之间夹角的余弦(作为向量处理)。
`“相关”`	1减去观察值之间的样本线性相关性(作为值序列处理)。
`“汉明”`	汉明距离，不同坐标的百分比。
`“jaccard”`	1减去雅卡德系数，非零坐标的百分比。
`“枪兵”`	1减去观察值之间的样本斯皮尔曼秩相关(作为值序列处理)。
`@distfun`	自定义距离函数手柄。距离函数有这样的形式函数ZJ D2 = distfun(子)距离百分比计算.．. 在哪里 `子`是1 -n的一行`X`或`Y`． `ZJ`是一个米——- - - - - -n矩阵包含多个行`X`或`Y`． `D2`是一个米-乘1的距离向量，和`D2 (j)`观察点之间的距离是多少`子`而且`ZJ (j,:)`．

有关更多信息，请参见距离度量．

例子:“距离”,“闵可夫斯基”

`P`- - - - - -闵可夫斯基距离度量的指数
`2`(默认)|积极的标量

闵可夫斯基距离度量的指数，指定为逗号分隔的对，由“P”一个正的标量。这个论点只有在“距离”是闵可夫斯基的．

例子:“P”4

数据类型:单|双

`浸`- - - - - -马氏距离度量的协方差矩阵
`X (X, omitrows)`(默认)|正定矩阵

马氏距离度量的协方差矩阵，指定为逗号分隔的对，由“浸”一个正定矩阵。这个论点只有在“距离”是“mahalanobis”．

例子:“浸”,眼睛(4)

数据类型:单|双

`规模`- - - - - -标准化欧氏距离度量的尺度参数值
`性病(X, omitnan)`(默认)|负的向量

标度参数值的标准化欧氏距离度量，指定为逗号分隔的对，由“规模”一个非负的向量。规模长度是否等于中的列数X．每一行之间的坐标差X的对应元素对查询点进行缩放规模．这个论点只有在“距离”是“seuclidean”．

例子:“规模”,差(X)

数据类型:单|双

`BucketSize`- - - - - -的叶节点中的最大数据点数Kd-tree
`50`(默认)|正整数标量

的叶节点中的最大数据点数Kd-树，指定为逗号分隔的对，由“BucketSize”和一个正整数标量。这个论点只有在NSMethod是“kdtree”．

例子:“BucketSize”,20

数据类型:单|双

`SortIndices`- - - - - -标记来根据距离对返回的索引进行排序
`真正的`（`1`）(默认)|`假`（`0`）

标记来根据距离对返回的索引进行排序，指定为逗号分隔的对，由“SortIndices”,要么真正的（1)或假（0）.

为了获得更快的性能Y包含许多有许多最近点的观察X，您可以设置SortIndices来假．在这种情况下,rangesearch返回最近的点的索引，没有特定的顺序。当SortIndices是真正的，该函数按距离升序排列最近点的索引。

例子:“SortIndices”,假的

数据类型:逻辑

输出参数

全部折叠

`Idx`-最近点的索引
数值向量的单元格数组

最近点的索引，作为数值向量的单元格数组返回。

Idx是一个我的——- - - - - -1单元阵列,我的行数在吗Y．向量Idx {j}中的点(行)的索引X他们的距离Y (j,:)不大于r．如果SortIndices是真正的,然后rangesearch按距离升序排列索引。

`D`—最近点到查询点的距离
数值向量的单元格数组

最近的点到查询点的距离，作为数值向量的单元格数组返回。

D是一个我的——- - - - - -1单元阵列,我的行数在吗Y．D {j}包含之间的距离值Y (j,:)和点(行)在X (Idx {j},:)．如果SortIndices是真正的,然后rangesearch按升序排列距离。

提示

对于一个固定的正实值r，rangesearch发现所有的X在一定距离内的点r每一个Y点。找到k点X最接近彼此的Y点，对于一个固定的正整数k,使用knnsearch．
rangesearch不保存搜索对象。若要创建搜索对象，请使用createns．

算法

的概述kd-tree算法,看到基于kd -树的k近邻搜索．
穷尽搜索算法找到从每一点到的距离X的每一点Y．

选择功能

如果你设置rangesearch函数“NSMethod”名称-值对参数的适当值(“详尽”对于穷尽搜索算法或者“kdtree”对于一个KD-tree算法)，则搜索结果与使用rangesearch对象的功能。不像rangesearch函数,rangesearch对象函数需要ExhaustiveSearcher或KDTreeSearcher模型对象。

扩展功能

高大的数组
使用行数超过内存容量的数组进行计算。

使用注意事项和限制:

如果X那么是一个高数组吗Y不能是高数组。类似地,如果Y那么是一个高数组吗X不能是高数组。

有关更多信息，请参见高大的数组．

C / c++代码生成
使用MATLAB®Coder™生成C和c++代码。

使用注意事项和限制:

有关代码生成的更多信息，请参见代码生成简介而且通用代码生成工作流．

版本历史

介绍了R2011b

另请参阅

rangesearch

语法

描述

例子

找到指定距离内的所有点

在聚类数据中查找最近的点

使用自定义距离函数查找最近的点

输入参数

X- - - - - -输入数据数字矩阵

Y- - - - - -查询点数字矩阵

r- - - - - -搜索半径负的标量

名称-值参数

NSMethod- - - - - -最近邻搜索法“kdtree”|“详尽”

距离- - - - - -距离度量“欧几里得”(默认)|“seuclidean”|“mahalanobis”|“cityblock”|闵可夫斯基的|“chebychev”|函数处理|……

P- - - - - -闵可夫斯基距离度量的指数2(默认)|积极的标量

浸- - - - - -马氏距离度量的协方差矩阵X (X, omitrows)(默认)|正定矩阵

规模- - - - - -标准化欧氏距离度量的尺度参数值性病(X, omitnan)(默认)|负的向量

BucketSize- - - - - -的叶节点中的最大数据点数Kd-tree50(默认)|正整数标量

SortIndices- - - - - -标记来根据距离对返回的索引进行排序真正的（1）(默认)|假（0）

输出参数

Idx-最近点的索引数值向量的单元格数组

D—最近点到查询点的距离数值向量的单元格数组

提示

算法

选择功能

扩展功能

高大的数组使用行数超过内存容量的数组进行计算。

C / c++代码生成使用MATLAB®Coder™生成C和c++代码。

版本历史

另请参阅

主题

`X`- - - - - -输入数据
数字矩阵

`Y`- - - - - -查询点
数字矩阵

`r`- - - - - -搜索半径
负的标量

`NSMethod`- - - - - -最近邻搜索法
`“kdtree”`|`“详尽”`

`距离`- - - - - -距离度量
`“欧几里得”`(默认)|`“seuclidean”`|`“mahalanobis”`|`“cityblock”`|`闵可夫斯基的`|`“chebychev”`|函数处理|……

`P`- - - - - -闵可夫斯基距离度量的指数
`2`(默认)|积极的标量

`浸`- - - - - -马氏距离度量的协方差矩阵
`X (X, omitrows)`(默认)|正定矩阵

`规模`- - - - - -标准化欧氏距离度量的尺度参数值
`性病(X, omitnan)`(默认)|负的向量

`BucketSize`- - - - - -的叶节点中的最大数据点数Kd-tree
`50`(默认)|正整数标量

`SortIndices`- - - - - -标记来根据距离对返回的索引进行排序
`真正的`（`1`）(默认)|`假`（`0`）

`Idx`-最近点的索引
数值向量的单元格数组

`D`—最近点到查询点的距离
数值向量的单元格数组

高大的数组
使用行数超过内存容量的数组进行计算。

C / c++代码生成
使用MATLAB®Coder™生成C和c++代码。