rangesearch.

使用Searcher对象查找指定距离内的所有邻居

页面上倒塌

句法

Idx = rangesearch (Mdl, Y, r)

Idx = rangesearch (Mdl, Y, r,名称,值)

[idx，d] = rangeSearch（___）

描述

idx.= RangeSearch（Mdl那y那R.）搜索所有邻居（即点，行或观察）mdl.x.在半径范围内R.查询数据中的每个点（即行或观察）y使用详尽的搜索或一个K.d-tree。rangesearch.回报idx.，这是索引的列向量mdl.x.在R.单位。

例子

idx.= RangeSearch（Mdl那y那R.那名称,值）返回观测值的索引mdl.x.在半径范围内R.每个观察y附加选项由一个或多个指定名称,值对论点。例如，您可以指定使用比存储在的不同距离度量mdl.distance.或者比存储在的不同距离度量参数mdl.distparameter.．

例子

[idx.那D.) = rangesearch (___）另外返回矩阵D.使用先前语法中的任何输入参数。D.包含观测值之间的距离mdl.x.在半径范围内R.每个观察y．默认情况下，函数排列的列D.按升序通过接近，相对于距离度量。

例子

全部折叠

使用RADIUS中搜索邻居使用K.D树和详尽的搜索

打开生活的脚本

rangesearch.接受ExhaustiveSearcher或KDTreeSearcher模型对象，用于搜索最近邻居的训练数据到查询数据。一个ExhaustiveSearcher模型调用穷举搜索算法KDTreeSearcher模型定义A.K.D树，哪个rangesearch.用于搜索最近的邻居。

载入费雪的虹膜数据集。从数据中随机保留5个观察值作为查询数据。关注花瓣的尺寸。

加载fisheririsrng (1);%的再现性1) n =大小(量;idx = randsample (n, 5);X =量(~ ismember (1: n, idx) 3:4);%的训练数据Y = MEAS（IDX，3：4）;％查询数据

生长默认的二维K.d-tree。

mdlkdt = kdtreesearcher（x）

MDLKDT =具有属性的KDTreeSearcher：Bucketsize：50距离：'euclidean'distParameter：[] X：[145x2双]

MdlKDT是A.KDTreeSearcher模型对象。你可以使用点符号来改变它的可写属性。

准备一个详尽的最近邻搜索。

mdl = ExhaustiveSearcher (X)

MdlES = exptivesearcher with properties: Distance: 'euclidean' DistParameter: [] X: [145x2 double]

mdl是一个ExhaustiveSearcher模型对象。它包含了一些选项，例如用于查找最近邻居的距离度量。

或者，你可以种植一个K.用D-tree或准备一个穷举的最近邻搜索器createns．

搜索最近邻界面的培训数据，该数据对应于0.5cm半径内的每个查询观察。进行两种类型的搜索并使用默认设置。

r = 0.15;%的搜索半径IdxKDT = rangesearch (MdlKDT, Y, r);idx = rangesearch (mdl, Y, r);[IdxKDT idx]

ans =5×2单元阵列{1x27 double} {1x27 double} {[13]} {[13]} {1x27 double} {1x27 double} {[64 66]} {[64 66]} {1x0 double} {1x0 double}

IDXKDT.和idxes.是对应于索引的传感器阵列X这在观察中的0.15厘米处y．索引矩阵的每一行对应于查询观察。

比较两种方法的结果。

Cellfun（@ isequal，Idxkdt，Idxes）

ans =5 x1逻辑阵列1 1 1 1

在这种情况下，结果是一样的。

画出鸢尾的结果。

setosaidx = strcmp（物种（〜ismember（1：n，Idx）），“setosa”）;XSetosa = X (setosaIdx:);ySetosaIdx = strcmp(物种(idx),“setosa”）;ysetosa = y（ysetosaidx，:);数字;绘图（Xsetosa（：，1），Xsetosa（:,2），'.k'）;抓住在；绘图（Ysetosa（：，1），ysetosa（:,2），'* r'）;为了j = 1：sum（ysetosaidx）c = ysetosa（j，:);circlefun = @（x1，x2）r ^ 2  - （x1  -  c（1））。^ 2  - （x2  -  c（2））。^ 2;fimplic（circlefun，[c（1）+ [-1 1] * r，c（2）+ [-1 1] * r]，“b -”）结尾包含'花瓣长度（cm）'；ylabel'花瓣宽度（cm）'；标题“Setosa花瓣测量”；传奇('观察'那'查询数据'那“搜索半径”）;轴平等的抓住从

图包含轴。具有标题Setosa花瓣测量的轴包含5个类型的线，ImplicitCunctionLine。这些对象表示观察，查询数据，搜索半径。

使用Mahalanobis距离在RADIUS内搜索邻居

打开生活的脚本

载入费雪的虹膜数据集。

加载fisheriris

从预测器数据随机删除五个虹膜以用作查询集。

rng (1);%的再现性1) n =大小(量;%样本大小qidx = randsample（n，5）;查询数据的％指数x = meas（〜ismember（1：n，qidx），:);y = meas（qidx，:);

准备默认的详尽最近邻搜索。

Mdl = ExhaustiveSearcher (X)

MDL =具有属性的令人疲劳性研究：距离：'euclidean'tatterParameter：[] X：[145x4双]

Mdl是一个ExhaustiveSearcher模型。

找到训练数据的指标(X)，与查询数据中每个点的距离在0.15厘米以内(y）.指定距离是关于马氏度规的。

r = 1;idx = rangesearch（mdl，y，r，“距离”那'mahalanobis'）

Idx =5×1单元阵列{[26 38 7 17 47 4 27 46 25 10 39 20 21 2 33]} {[6 21 25 4 19]} {[1 34 33 22 24 2]} {[84]} {[69]}

Idx {3}

ans =1×6.1 34 33 22 24

每个单元的idx.对应于查询数据观察并包含在X距离查询数据0.15cm范围内的邻居索引向量。rangesearch.按距离升序排列指标。例如，使用马氏距离，第二近邻Y（3，:)是: X (34)．

在半径内计算邻居的距离

打开生活的脚本

载入费雪的虹膜数据集。

加载fisheriris

从预测器数据随机删除五个虹膜以用作查询集。

RNG（4）;%的再现性1) n =大小(量;%样本大小qidx = randsample（n，5）;查询数据的％指数x = meas（〜ismember（1：n，qidx），:);y = meas（qidx，:);

长四维K.D-tree使用训练数据。指定使用Minkowski距离来查找最近的邻居。

Mdl = KDTreeSearcher (X);

Mdl是A.KDTreeSearcher模型。默认情况下，寻找最近邻居的距离度量是欧几里得度量。

找到训练数据的指标(X)，距离查询数据中每个点0.5厘米以内(y）.

r = 0.5;[idx，d] = rangesearch（mdl，y，r）;

idx.和D.是五元素的传感器阵列。矢量值idx.是指数X．的X指数表示距离查询数据0.5厘米以内的观察值，y．D.包含与观测值对应的距离。

显示查询观察的结果3。

Idx {3}

ans =1×2127 122

D {3}

ans =1×20.2646 0.4359

最接近的观察Y（3，:)是x（127，:)，这是0.2646厘米远。最近的是x（122，:)，这是0.4359厘米远。所有其他观察大于0.5厘米远离: Y(5日)．

输入参数

全部折叠

`Mdl`-最近的邻居搜索者
`ExhaustiveSearcher`模型对象|`KDTreeSearcher`模型对象

最近邻搜索器，指定为ExhaustiveSearcher或KDTreeSearcher模型对象分别。

如果Mdl是一个ExhaustiveSearcher那么rangesearch.使用详尽的搜索搜索最近的邻居。否则，rangesearch.使用生长K.d-树来搜索最近的邻居。

`y`-查询数据
数字矩阵

查询数据，指定为数字矩阵。

y是一个m——- - - - - -K.矩阵。行y对应于观察（即，示例），并且列对应于预测器（即变量或特征）。y必须具有与存储在mdl.x.．

数据类型：单身的|双

`R.`-搜索半径
负的标量

在查询数据中的每个点周围搜索半径，指定为非负标量。

rangesearch.找到所有观察Mdl．X那在距离之内R.每个观察y．物业mdl.distance.存储距离。

数据类型：单身的|双

名称-值对的观点

指定可选的逗号分离对名称,值参数。名称是参数名称和价值为对应值。名称必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家．

例子:“距离”、“闵可夫斯基”,“P”3中的所有观察值mdl.x.在距离R.每个观察y，使用带指数的闵可夫斯基距离度量3.．

对于最近的邻居搜索者

全部折叠

`“距离”`-距离度量
`mdl.distance.`（默认）|`'城市街区'`|`“欧几里得”`|`'mahalanobis'`|`闵可夫斯基的`|`'seuclidean'`|功能手柄|......

距离指标用于查找训练数据的邻居到查询观察，指定为包括的逗号分隔对“距离”和字符矢量，字符串标量或功能句柄。

对于这两种最近邻搜索器，rangesearch.金宝app支持这些距离度量。

价值	描述
`'chebbychev'`	Chebychev距离（最大坐标差异）。
`'城市街区'`	城市街区距离。
`“欧几里得”`	欧氏距离。
`闵可夫斯基的`	闵可夫斯基距离。默认指数是2。要指定不同的指数，请使用`'P'`名称值对参数。

如果Mdl是一个ExhaustiveSearcher模型对象,然后rangesearch.还支持这些金宝app距离指标。

价值	描述
`“相关”`	一减去观察值之间的样本线性相关性(作为值的序列处理)。
`'余弦'`	一个减去观察之间的包含角度的余弦（作为行向量处理）。
`'汉明'`	汉明距离，是坐标差的百分比。
`'jaccard'`	一个减去Jaccard系数，这是非零坐标的百分比。
`'mahalanobis'`	Mahalanobis距离，使用正定的协方差矩阵计算。要更改协方差矩阵的值，请使用`'COV'`名称值对参数。
`'seuclidean'`	标准化的欧几里德距离。行之间的每个坐标差异`mdl.x.`查询矩阵的比例是通过除以相应的标准偏差元素计算出来的`mdl.x.`．要指定另一个缩放，请使用`“规模”`名称值对参数。
`“矛曼”`	一个减去样本Spearman的观察之间的秩相关性（视为值序列）。

如果Mdl是一个ExhaustiveSearcher模型对象，然后您还可以通过使用指定用于自定义距离度量的函数句柄@（例如，@distfun.）.自定义距离功能必须：

的形式功能d2 = distfun（zi，zj）．
作为论点：
- 1 -K.向量子包含单行mdl.x.或y，在哪里K.的列数是多少mdl.x.．
- 一个m——- - - - - -K.矩阵ZJ包含多行mdl.x.或y，在哪里m是一个正整数。
返回A.m-乘1的距离向量D2，在哪里D2 (j）观测值之间的距离是多少子和ZJ（j，:)．

有关更多详细信息，请参阅距离度量．

例子:'距离'，'minkowski'

`'P'`-闵可夫斯基距离度量的指数
`2`（默认）|正标量

闵可夫斯基距离度量的指数，指定为逗号分隔对，由'P'和正标量。此参数仅在此处有效“距离”是闵可夫斯基的．

例子:'P'，3

数据类型：单身的|双

`'sortindices'`-标志，根据距离对返回的索引进行排序
`真正的`（`1`）（默认）|`假`（`0.`）

标志根据距离对返回的索引进行排序，指定为逗号分隔的对，由'sortindices',要么真正的（1)或假（0.）.

为了更快的性能y包含许多有许多最近点的观测值，您可以设置SortIndices到假．在这种情况下,rangesearch.以特定的顺序返回最近点的指数。什么时候SortIndices是真正的，函数将最近点的指数按距离升序排列。

例子:'sortindices'，false

数据类型：逻辑

对于详尽的最近邻搜索者

全部折叠

`'COV'`-Mahalanobis距离度量的协方差矩阵
`cov（mdl.x，'omitrows'）`（默认）|正定的矩阵

马氏距离度量的协方差矩阵，指定为逗号分隔对，由'COV'和一个积极的矩阵。浸是A.K.——- - - - - -K.矩阵,K.的列数是多少mdl.x.．如果您指定浸不要指定'距离'，'mahalanobis'，然后rangesearch.返回错误消息。

例子:“浸”,眼睛(3)

数据类型：单身的|双

`“规模”`-尺度参数值的标准欧几里得距离度量
`std（mdl.x，'omitnan'）`（默认）|非负数字矢量

标准化欧几里德距离度量的比例参数值，指定为逗号分隔对组成“规模”和一个非负数字矢量。规模长度K.，在哪里K.的列数是多少mdl.x.．

软件使用相应的元素缩放训练和查询数据之间的每个区别规模．如果您指定规模不要指定'距离”、“seuclidean”，然后rangesearch.返回错误消息。

例子:“规模”,分位数(Mdl.X, 0.75)分位数(Mdl.X, 0.25)

数据类型：单身的|双

笔记

如果您指定'距离'那'浸'那'P.'，要么'规模'，然后mdl.distance.和mdl.distparameter.不要改变价值。

输出参数

全部折叠

`idx.`—训练最近邻的数据索引
数字向量的单元格阵列

最近邻的训练数据索引，返回为数字向量的单元数组。

idx.是一个m——- - - - - -1单元阵列使细胞j（Idx {j})包含一个m_j- 减去观察的指标向量mdl.x.那是内心的R.单位到查询观测Y (j,:)．如果SortIndices是真正的，然后rangesearch.将向量的元素按距离升序排列。

`D.`—查询数据最近邻居的距离
数字向量的单元格阵列

查询数据的邻居的距离，作为数字矩阵或数字向量的单元格数组返回。

D.是一个m——- - - - - -1单元阵列使细胞j（d {j})包含一个m_j- 观察的距离的多维向量mdl.x.来自查询观察Y (j,:)．矢量的所有元素都小于R.．如果SortIndices是真正的，然后rangesearch.以升序排列向量的元素。

提示

knnsearch.找到了K.(正整数)指向mdl.x.这是K.最近的每一y点。相比之下,rangesearch.找到所有要点mdl.x.那在距离之内R.(正标量)y点。

选择功能

rangesearch.是一个需要一个对象函数ExhaustiveSearcher或者一个KDTreeSearcher模型对象，查询数据和距离。在等同条件下，rangesearch.返回相同的结果rangesearch.当您指定名称-值对参数时“NSMethod”、“详尽”或“NSMethod”、“kdtree”，分别。

扩展能力

C / c++代码生成
使用MATLAB®Coder™生成C和c++代码。

使用注意事项及限制:

此表包含有关参数的说明rangesearch.．未包含在此表中的参数完全支持。金宝app

论点	笔记和局限性
`Mdl`	有两种使用方法`Mdl`在代码生成。例如，请参见最近邻搜索器的代码生成．使用`saveLearnerForCoder`那`loadlearnerforcoder.`,`Codegen.`(MATLAB编码器)为此生成代码`rangesearch.`功能。使用培训模型`saveLearnerForCoder`．定义一个入口点函数，通过使用`loadlearnerforcoder.`并调用`rangesearch.`功能。然后使用`Codegen.`为入口点函数生成代码。包括`编码器.Constant（MDL）`在`- args.`的价值`Codegen.`(MATLAB编码器)．如果`Mdl`是A.`KDTreeSearcher`对象，代码生成构建类型是MEX函数，然后`Codegen.`(MATLAB编码器)使用英特尔生成MEX功能^®线程构建块（TBB），用于并行计算。否则，`Codegen.`使用。使用代码`议案`(MATLAB编码器)． MEX功能K.D树搜索算法 -`Codegen.`使用Intel TBB生成优化的MEX函数，用于在多核平台上并行计算。您可以使用MEX功能加速MATLAB^®算法。有关英特尔TBB的详细信息，请参阅https://software.intel.com/en-us/intel-tbb．如果生成MEX函数以测试生成的代码`议案`版本，可以禁用Intel TBB的使用。设置`外形`MEX配置对象的属性`假`．有关详细信息,请参见`编码器。MexCodeConfig`(MATLAB编码器)． MEX函数的穷举搜索算法和独立的C/ c++代码的两种算法-生成的代码`rangesearch.`使用`议案`(MATLAB编码器)要创建在生成的代码中的支持的共享内存多核平台上并行运行的循环。金宝app如果您的编译器不支持打开的多处理（OpenMP）应用金宝app程序界面或禁用OpenMP库，Matlab Coder™对待`议案`- 乐队`为了`- 砍伐。要查找支持的编译金宝app器，请参阅金宝app支持的编译器．要禁用OpenMP库，请设置`EnableOpenmp.`属性`假`．有关详细信息,请参见`编码器。CodeConfig`(MATLAB编码器)．
`“距离”`	不能是自定义距离功能。必须是编译时常数;其值无法在生成的代码中更改。
`'sortindices'`	不支持。金宝app始终对输出参数进行排序。
名称-值对的观点	名称-值对参数中的名称必须是编译时常量。例如，为了允许生成的代码中Minkowski距离的用户定义指数包括`{coder.Constant(的距离),coder.Constant(“闵可夫斯基”),coder.Constant(“P”),0}`在`- args.`的价值`Codegen.`(MATLAB编码器)．
`idx.`	由于数值精度的原因，生成的代码中绑定距离的排序顺序可能与MATLAB中的顺序不同。从R2020a开始,`rangesearch.`返回整数类型(`int32`)索引，而不是双精度索引，以生成独立的C/ c++代码。因此，当您使用单精度输入时，该函数允许严格的单精度支持。金宝app对于MEX代码生成，该函数仍然返回双精度索引以匹配MATLAB行为。

有关更多信息，请参见代码生成简介和最近邻搜索器的代码生成．

也可以看看

createns|ExhaustiveSearcher|KDTreeSearcher|knnsearch.|rangesearch.

主题

介绍了R2011b

rangesearch.

句法

描述

例子

使用RADIUS中搜索邻居使用K.D树和详尽的搜索

使用Mahalanobis距离在RADIUS内搜索邻居

在半径内计算邻居的距离

输入参数

`Mdl`-最近的邻居搜索者
`ExhaustiveSearcher`模型对象|`KDTreeSearcher`模型对象

`y`-查询数据
数字矩阵

`R.`-搜索半径
负的标量

名称-值对的观点

`“距离”`-距离度量
`mdl.distance.`（默认）|`'城市街区'`|`“欧几里得”`|`'mahalanobis'`|`闵可夫斯基的`|`'seuclidean'`|功能手柄|......

`'P'`-闵可夫斯基距离度量的指数
`2`（默认）|正标量

`'sortindices'`-标志，根据距离对返回的索引进行排序
`真正的`（`1`）（默认）|`假`（`0.`）

`'COV'`-Mahalanobis距离度量的协方差矩阵
`cov（mdl.x，'omitrows'）`（默认）|正定的矩阵

`“规模”`-尺度参数值的标准欧几里得距离度量
`std（mdl.x，'omitnan'）`（默认）|非负数字矢量

输出参数

`idx.`—训练最近邻的数据索引
数字向量的单元格阵列

`D.`—查询数据最近邻居的距离
数字向量的单元格阵列

提示

选择功能

扩展能力

C / c++代码生成
使用MATLAB®Coder™生成C和c++代码。

也可以看看

主题

统计和机器学习工具箱文档

金宝app

掌握机器学习：使用MATLAB逐步指南

rangesearch.

句法

描述

例子

使用RADIUS中搜索邻居使用K.D树和详尽的搜索

使用Mahalanobis距离在RADIUS内搜索邻居

在半径内计算邻居的距离

输入参数

Mdl-最近的邻居搜索者ExhaustiveSearcher模型对象|KDTreeSearcher模型对象

y-查询数据数字矩阵

R.-搜索半径负的标量

名称-值对的观点

“距离”-距离度量mdl.distance.（默认）|'城市街区'|“欧几里得”|'mahalanobis'|闵可夫斯基的|'seuclidean'|功能手柄|......

'P'-闵可夫斯基距离度量的指数2（默认）|正标量

'sortindices'-标志，根据距离对返回的索引进行排序真正的（1）（默认）|假（0.）

'COV'-Mahalanobis距离度量的协方差矩阵cov（mdl.x，'omitrows'）（默认）|正定的矩阵

“规模”-尺度参数值的标准欧几里得距离度量std（mdl.x，'omitnan'）（默认）|非负数字矢量

输出参数

idx.—训练最近邻的数据索引数字向量的单元格阵列

D.—查询数据最近邻居的距离数字向量的单元格阵列

提示

选择功能

扩展能力

C / c++代码生成使用MATLAB®Coder™生成C和c++代码。

也可以看看

主题

统计和机器学习工具箱文档

金宝app

掌握机器学习：使用MATLAB逐步指南

`Mdl`-最近的邻居搜索者
`ExhaustiveSearcher`模型对象|`KDTreeSearcher`模型对象

`y`-查询数据
数字矩阵

`R.`-搜索半径
负的标量

`“距离”`-距离度量
`mdl.distance.`（默认）|`'城市街区'`|`“欧几里得”`|`'mahalanobis'`|`闵可夫斯基的`|`'seuclidean'`|功能手柄|......

`'P'`-闵可夫斯基距离度量的指数
`2`（默认）|正标量

`'sortindices'`-标志，根据距离对返回的索引进行排序
`真正的`（`1`）（默认）|`假`（`0.`）

`'COV'`-Mahalanobis距离度量的协方差矩阵
`cov（mdl.x，'omitrows'）`（默认）|正定的矩阵

`“规模”`-尺度参数值的标准欧几里得距离度量
`std（mdl.x，'omitnan'）`（默认）|非负数字矢量

`idx.`—训练最近邻的数据索引
数字向量的单元格阵列

`D.`—查询数据最近邻居的距离
数字向量的单元格阵列

C / c++代码生成
使用MATLAB®Coder™生成C和c++代码。