2 u011909830 u011909830 于 2016.02.14 12:54 提问

怎么求一个向量,使得该向量到一个特定向量集合的距离最小。

怎么求一个向量,使得该向量到一个特定向量集合的距离最小(距离用余弦相识度等,所求向量不一定要在向量集合中)

1个回答

Meditator_hkx
Meditator_hkx   Rxr 2016.02.14 14:53

我觉得是取该特定向量集合的均值,并且可以在数学上证明其距离是最小的。

简单来说就是:特定向量(n维)的n个变量相互独立,所以只在同一方向上考虑最小值即可。

Meditator_hkx
Meditator_hkx 是的,你可以列个数学式,取导数算一算。一般都不会以为这么简单吧~
2 年多之前 回复
u011909830
u011909830 特征向量的均值?每个维度相加除以个数吗?
2 年多之前 回复
Csdn user default icon
上传中...
上传图片
插入图片
准确详细的回答,更有利于被提问者采纳,从而获得C币。复制、灌水、广告等回答会被删除,是时候展现真正的技术了!
其他相关推荐
四元数表示向量V1到V2的旋转的两种算法
版权声明:本文为博主原创文章,未经博主允许不得转载。 博主:shenshikexmu 联系方式:shenshikexmu@163.com 本文的算法来源于stackoverflow 的回答finding quaternion representing the rotation from one vector to another 问题 如下图,三维空间中的向量v1→v1→\over...
使用向量的方法计算点到直线的距离
使用向量的方法计算点到直线的距离
(基础)支持向量机SVM——超平面
本文转载于: http://www.mamicode.com/info-detail-1589924.html http://blog.csdn.net/m0_37658225/article/details/70048959我们最常见的平面概念是在三维空间中定义的(这里用它做引申): Ax+By+Cz+D=0 它由两个性质上定义: 1)方程是线性的: 是空间点的各分量的线性组合 2)方
向量间距离计算
Matlab计算两个向量间的欧氏距离、卡方距离、cosine相似度、Earth Mover距离、L1距离 转自http://www.cs.columbia.edu/~mmerler/project/code/pdist2.m % This function belongs to Piotr Dollar's Toolbox % http://vision.ucsd.edu/~pdollar/t
通过矩阵求两个向量集中元素两两之间的欧氏距离(python实现)
通过矩阵求两个向量集中元素两两之间的欧氏距离(python实现)在很多算法中都会涉及到求向量欧式距离,例如机器学习中的KNN算法,就需要对由训练集A和测试集B中的向量组成的所有有序对(Ai,Bi)\left(A_i,B_i\right),求出AiA_i和BiB_i的欧式距离。这样的话就会带来一个二重的嵌套循环,在向量集很大时效率不高。这里介绍如何将这一过程用矩阵运算实现。假设有两个三维向量集,用矩阵
向量间的距离或相似性度量计算
在做分类时常常需要估算不同样本之间的相似性度量(SimilarityMeasurement),这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究,甚至关系到分类的正确与否。   本文的目的就是对常用的相似性度量作一个总结。 本文目录: 1.欧氏距离 2.曼哈顿距离 3. 切比雪夫距离 4. 闵可夫斯基距离
数学基础 —— 向量旋转到另一个向量
如上图 已知V,U向量,如何求V逆时针旋转到U的角度? U逆时针旋转到V的度数? (1)单位化V,U (2)U,V点乘获取到一个值A (3)通过反三角函数ACos 获取到弧度值,然后在转为角度值B。 (4) 如果是V逆时针旋转到U,那么V叉乘U,反之如果是U逆时针旋转到V,那么U叉乘V ,得到一个值K。   2d 向量的叉乘 (5)如果K值为负数,那么旋转角度为360-B
使用向量的方法来计算点到直线的距离
使用向量的方法效率更高,更简单。首先要了解什么是向量,什么是向量的模 主要用到了解析几何里的几个公式 a * b = | a | * | b | * cos(x),其中x为向量a,b的夹角| a | * 单位向量 = a,单位向量为模为1的向量向量的加减法 ,如下图所示  向量的加法  向量的减法  问题的原型如下图所示,红色的点为鼠标位置,蓝色的点(x0,y
matlab 复制一个行向量为多个相同的行向量,用于求向量和矩阵距离
x=[1 2 3 ]; out=repmat(x,[3,1]); out=[1 2 3;1 2 3; 1 2 3];
旋转向量和旋转矩阵的互转换
处理矩阵三维转换时,通常采用旋转矩阵,但是旋转变换其实只有三个自由度,用旋转向量表达时更为简洁。因此,需要实现从旋转向量和旋转矩阵之间的互转换。 旋转向量和旋转矩阵之间可以通过罗德里格斯公式进行转换:将旋转向量转换为旋转矩阵: R=cosθI+(1−cosθ)nnT+sinθn∧{R\bf}=\cos\theta{I\bf}+(1-\cos\theta){n\bf}{n\bf^T}+\sin\t