performance - 根据欧氏距离对点进行分类 - 优化代码

Question

我有一个矩阵 A，由 200 个大小为 d 的向量组成。

我希望由 4096 个向量组成的矩阵 B 根据最近距离规则分类到这些点。

因此，结果应该包含大小为 B 的行，并具有其所属的 id 号(从 1 到 200)。

我通过 2 for 循环编写了这段代码，计算需要大量时间。

for i = 1:4096
        counter = 1;
        vector1 = FaceImage(i,:);
        vector2 = Centroids(1,:);
        distance = pdist( [ vector1 ; vector2] , 'euclidean' );
        for j = 2:200
              vector2 = Centroids(j,:);
              temp = pdist( [ vector1 ; vector2] , 'euclidean' );
              if temp < distance
                    distance = temp;
                    counter = j;
              end
        end
        Histogram( i ) = counter;
end

有人可以帮助我提高上述代码的效率...或者建议我一个内置函数吗？

谢谢

Answer 1

您可以使用 pdist2 在一行中完成此操作:

[~, Histogram] = pdist2( Centroids, FaceImage, 'euclidian', 'Smallest', 1);

---

原始代码的时间:

FaceImage = rand(4096, 100);
Centroids = rand(200, 100);

tic
* your code *
toc

Elapsed time is 87.434877 seconds.

---

我的代码的时间:

tic
[~, Histogram_2] = pdist2( Centroids, FaceImage, 'euclidean', 'Smallest', 1);
toc

Elapsed time is 0.111736 seconds.

---

断言结果相同:

>> all(Histogram==Histogram_2)

ans =

   1