matlab最简单的代码Python的扩散图和几何谐波
概述
适用于Python的diffusion-maps图库提供了扩散图[fn：1]和几何谐波[fn：2]的快速且准确的实现。
它的速度源于稀疏线性代数和（可选）图形处理单元的使用，以加快计算速度。
在具有超过2亿个非零条目的矩阵上，所包含的代码通常使用GPU来解决SciPy特征值问题的速度比SciPy快3倍。
该软件包包括一个命令行实用程序，用于快速计算数据集上的扩散图。
diffusion-maps模块的一些功能包括：
使用最近的邻居快速评估距离矩阵。
使用稀疏线性代数快速准确地计算特征值/特征向量对。
可选的GPU加速的稀疏线性代数例程。
库的可选接口。
简单且易于修改的代码。
[fn：1]
Coifman，RR，＆Lafon，S.（2006）。
扩散图。
应用与计算谐波分析，21（1），5-30。
[fn：2]
Coifman，RR，＆Lafon，S.（2006）。
几何谐波：一种用于经验函数的多尺度样本外扩展的新颖工具。
应用与计算谐波分析，21（1），31–52。
先决条件
该库在Python
3.5+中实现，并使用和。
2022-06-17 10:24:04
221KB
1
此函数计算修正豪斯多夫距离 (MHD)，即根据 Dubuisson 等人的说法，证明其功能优于定向 HD。 在以下工作中：
MP Dubuisson 和 AK Jain。 对象的修正 Hausdorff 距离匹配。 ICPR94，第 A：566-568 页，耶路撒冷，以色列，1994 年。 http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=576361
该函数计算前进和后退距离并输出两者中的最小值。
调用函数的格式：
MHD = ModHausdorffDist(A,B);
在哪里MHD = 修正豪斯多夫距离。 A -> 点集 1 B -> 点集 2
每个点集的样本数量可能不同，但维度点必须相同（2）。
2022-05-19 16:28:37
2KB
1
人工智能-机器学习-波在Pekeris声波导中的传播快速计算研究.pdf
2022-05-03 17:06:06
1.62MB
针对如何快速求取空间点到STL模型表面有符号距离这一问题，提出一种基于线性八叉树的参考球方法。通过线性八叉树的分割将STL模型的三角面片集划分到线性八叉树内的不同节点中，把三角面片与线性八叉树的终端节点联系起来，通过参考球进一步缩小三角面片的范围，从而较快地求取空间点到STL模型的距离。实验结果表明，此方法能够较快地求取点到STL模型表面的距离。
2022-04-26 14:05:04
76KB
1
ifcht(V) 计算 N+1 × 1 数组 A 的逆切比雪夫变换。 如果 A 对应于切比雪夫多项式的线性组合的权重，则 ifcht(a) 计算由 A 在 Chebyshev–Gauss– 处插值的数据集Lobatto 点 cos(pi*(0:N)/N)。 例子： 假设 A = [3; 2; 1]。 然后函数f(x) = A(1)*1 + A(2)*x + A(3)*(2*x^2 - 1) 在 x = cos(pi*(0:2)/2) = [1,0,-1] 处评估由 ifcht(A) 给出。 x = cos(pi*(0:2)/2); %创建三点切比雪夫网格xx = linspace(-1,1); % 在域上创建密集网格A = [3; 2; 1]; f = A(1)*1 + A(2)*xx + A(3)*(2*xx.^2 - 1); plot(xx,f,x,ifcht(A),'.','Mark
2022-04-22 22:13:05
1KB
1