rangesearch
使用object查找指定距离内的所有邻居
语法
Idx = rangesearch(Mdl,Y,r)
Idx = rangesearch(Mdl,Y,r，名称，值)
[Idx,D] = rangesearch(___）
描述
例子
搜索半径内的邻居Kd-树和穷举搜索
rangesearch接受ExhaustiveSearcher或KDTreeSearcher建模对象以搜索训练数据，寻找与查询数据最近的邻居。一个ExhaustiveSearcher模型调用穷举搜索器算法，并且KDTreeSearcher模型定义了Kd-tree,rangesearch用于搜索最近的邻居。
加载费雪的虹膜数据集。从数据中随机保留5个观测值作为查询数据。关注花瓣的尺寸。
负载fisheririsrng (1);%用于再现性N = size(meas,1);Idx = randsample(n,5);X = meas(~ismember(1:n,idx)，3:4);培训数据Y = meas(idx,3:4);%查询数据
增长一个默认的二维Kd-tree。
MdlKDT = KDTreeSearcher(X)
MdlKDT = KDTreeSearcher with properties: BucketSize: 50 Distance: 'euclidean' DistParameter: [] X: [145x2 double]
MdlKDT是一个KDTreeSearcher模型对象。您可以使用点表示法更改其可写属性。
准备一个详尽的最近邻搜索器。
MdlES =枯竭搜索器(X)
MdlES =筋疲力尽的搜索器属性:距离:'欧几里得' DistParameter: [] X: [145x2 double]
mdl是一个ExhaustiveSearcher模型对象。它包含用于查找最近邻居的选项，如距离度量。
或者，你也可以种一种KD-tree或准备穷尽最近邻搜索器使用createns．
在0.5 cm半径内的每个查询观测值对应的最近邻居索引中搜索训练数据。执行两种类型的搜索并使用默认设置。
R = 0.15;搜索半径%IdxKDT = rangesearch(MdlKDT,Y,r);IdxES =范围搜索(MdlES,Y,r);[IdxKDT idx]
ans =5x2单元阵列{1x27双}{1x27双}{[13]}{[13]}{1x27双}{1x27双}{1x2双}{1x2双}{1x0双}{1x0双}
IdxKDT而且idx向量的单元格数组是否对应于的下标X在0.15厘米的范围内Y．索引矩阵的每一行都对应一个查询观察结果。
比较两种方法的结果。
cellfun (@isequal IdxKDT idx)
ans =5x1逻辑阵列1 1 1 1 1 1
在这种情况下，结果是相同的。
绘制setosa鸢尾花的结果。
setosaIdx = strcmp(~ismember(1:n,idx))，“setosa”）;XSetosa = X(setosaIdx，:);ySetosaIdx = strcmp(物种(idx)，“setosa”）;YSetosa = Y(ysetoaidx，:);图;情节(XSetosa (: 1) XSetosa (:, 2),“同意”）;持有在；情节(YSetosa (: 1) YSetosa (:, 2),“* r”）;为j = 1:sum(ySetosaIdx) c = YSetosa(j，:);circleFun = @(x1,x2)r^2 - (x1 - c(1))。²- (x2 - c(2)) ^2;ezplot (circleFun [c (1) + (1) * r c (2) + (1) * r])结束包含“花瓣长度(厘米)”；ylabel“花瓣宽度(厘米)”；标题“Setosa花瓣测量”；传奇(“观察”，查询数据的，“搜索半径”）;轴平等的持有从
利用马氏距离搜索半径内的邻居
加载费雪的虹膜数据集。
负载fisheriris
从预测器数据中随机移除5个虹膜作为查询集。
rng (1);%用于再现性N = size(meas,1);%样本量qIdx = randsample(n,5);%查询数据的索引X = meas(~ismember(1:n,qIdx)，:);Y = meas(qIdx，:);
准备一个默认的穷举最近邻搜索器。
Mdl =枯竭搜索器(X)
Mdl =筋疲力尽的搜索器属性:距离:'欧几里得' DistParameter: [] X: [145x4 double]
Mdl是一个ExhaustiveSearcher模型。
找到训练数据的索引(X)，在查询数据中每个点的距离不超过0.15厘米(Y)．指定距离是关于马氏度规的。
R = 1;Idx = rangesearch(Mdl,Y,r，“距离”，“mahalanobis”）
Idx =5x1单元阵列{1x15 double} {1x5 double} {1x6 double} {[84]} {[69]}
Idx {3}
ans =1×61 34 33 22 24
每一个细胞Idx对应于一个查询数据的观察和包含X查询数据0.15cm范围内的邻居索引向量。rangesearch按距离升序排列索引。例如，使用马氏距离，的第二近邻Y (3:)是: X (34)．
计算半径内邻居的距离
加载费雪的虹膜数据集。
负载fisheriris
从预测器数据中随机移除5个虹膜作为查询集。
rng (4);%用于再现性N = size(meas,1);%样本量qIdx = randsample(n,5);%查询数据的索引X = meas(~ismember(1:n,qIdx)，:);Y = meas(qIdx，:);
培育一个四维空间Kd-树使用训练数据。指定使用闵可夫斯基距离来查找最近的邻居。
Mdl = KDTreeSearcher(X);
Mdl是一个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。
找到训练数据的索引(X)，即查询数据中每个点的距离不超过0.5厘米(Y)．
R = 0.5;[Idx,D] = rangesearch(Mdl,Y,r);
Idx而且D是向量的五元单元数组。中的向量值Idx索引是X．的X索引表示距离查询数据0.5 cm以内的观测值，Y．D包含与观测值相对应的距离。
3.显示查询观察结果。
Idx {3}
ans =1×2127 122
D {3}
ans =1×20.2646 - 0.4359
最近的观察Y (3:)是X(127年:)，即0.2646厘米了。最接近的是X(122年:)，即0.4359厘米了。所有其他观测值都大于0．5距离厘米: Y(5日)．
输入参数
输出参数
提示
knnsearch找到了k(正整数)指向Mdl。X这是k-最近的每个Y点。相比之下,rangesearch找到所有向内的点Mdl。X都在距离之内r(正标量)Y点。
选择功能
rangesearch它的对象函数需要an吗ExhaustiveSearcher或者一个KDTreeSearcher建模对象、查询数据和距离。在等价条件下，rangesearch返回相同的结果rangesearch指定名称-值对参数时“NSMethod”、“详尽”或“NSMethod”、“kdtree”,分别。
扩展功能
在R2011b中引入
您也可以从以下列表中选择一个网站:
