python - 我如何在 Python 中实现这种相似性度量？

Question

我尝试在 Python 中实现图像中显示的距离测量:

import numpy as np

A = [1, 2, 3, 4, 5, 6, 7, 8, 1]
B = [1, 2, 3, 2, 4, 6, 7, 8, 2]

A = np.asarray(A).flatten()
B = np.asarray(B).flatten()

x = np.sum(1 - np.divide((1 + np.minimum(A, B)), (1 + np.maximum(A, B))))
print("Distance: {}".format(x))

但经过测试，这似乎不是正确的做法。如果给定向量之间完全没有相似性，则返回的最大值应为 1，0 表示完全相似。图中的A和B都是大小为m的向量。

编辑:忘了补充一点，我忽略了 min(A, B) < 0 的部分，因为我的意图永远不会发生这种情况

Answer 1

这应该有效。首先，我们通过堆叠列创建一个矩阵 AB 并计算其中的最小向量 AB_min 和最大向量 AB_max。然后，我们根据您的定义计算 D，使用 numpy.where 来指定这两个条件。之后，我们对元素求和以获得您定义的 D_proposed。对于此示例，它给出的值为 0.9。

import numpy as np

A = [1, 2, 3, 4, 5, 6, 7, 8, 1]
B = [1, 2, 3, 2, 4, 6, 7, 8, 2]

AB = np.column_stack((A,B))

AB_min = np.min(AB,1)
AB_max = np.max(AB,1)
print AB_min
print AB_max

D = np.where(AB_min >= 0.,\
        1. - (1. + AB_min) / (1. + AB_max),\
        1. - (1. + AB_min + abs(AB_min)) / (1. + AB_max + abs(AB_min)))
print D

D_proposed = np.sum(D)
print D_proposed