Skip to main content
 首页 » 编程设计

python之我如何在 Python 中实现这种相似性度量

2025年04月02日20arxive

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

请您参考如下方法:

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