dist——歐式距離加權(quán)函數(shù)（Euclidean distance weight function）

語法：

? ? Z = dist(W,P)
? ? df = dist('deriv')
? ? D = dist(pos)

描述：dist是一個歐式距離加權(quán)函數(shù)，給一個輸入使用權(quán)值，去獲得加權(quán)的輸入。

1、dist(W,P)中：W——S×R的權(quán)值矩陣；P——R×Q的矩陣，表示Q個輸入（列）向量

2、dist('deriv')返回‘’，因為dist沒有導(dǎo)函數(shù)。

3、dist也是一個層距離函數(shù)，可以被用來尋找一層中神經(jīng)元之間的距離。

? ? ?dist(pos)輸入一個參數(shù)，pos——N×S的神經(jīng)元位置矩陣，返回S×S的距離矩陣

例子： ?

1、這里，我們定義一個隨機(jī)權(quán)重矩陣W，以及輸入向量P，并且計算相應(yīng)的加權(quán)輸入Z

? ? ? ?W = rand(4,3);
? ? ? ?P = rand(3,1);
? ? ? ?Z = dist(W,P)

2、我們定義10個神經(jīng)元的隨機(jī)的位置矩陣，并且尋找他們的距離,這些神經(jīng)元是在3維空間中的。

? ? ? ?pos = rand(3,10);

? ? ? ?D = dist(pos)

?綜上可知：

dist可以計算樣本集中多個樣本兩兩之間的距離矩陣。

對于圖像I，將其分成n個超像素，每個超像素的特征有3維，那么形成3×n的超像素特征矩陣M，每列表示一個超像素。

此時，使用dist(M)，就會得到一個n×n的矩陣N，其中的元素Nij表示的是第i個超像素和第j個超像素特征之間的歐式距離。

?

轉(zhuǎn)載于:https://www.cnblogs.com/rong86/p/4098328.html

總結(jié)

以上是生活随笔為你收集整理的matlab dist函数的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。