Algorithm MATLAB聚类算法中for循环的去除

我试图改进光学聚类算法的性能。我在开源中发现的实现对每个示例都使用for循环，并且可以运行数小时

我相信当系统有足够的RAM时，使用repmat（）函数可能有助于提高其性能。 非常欢迎您提出改进实施的其他方法

代码如下：

x是数据：一个[mxn]数组，其中m是样本大小，n是特征维度，大多数情况下显著大于1

[m,n] = size(x);

for i = 1:m
    D(i,:) = sum(((repmat(x(i,:),m,1)-x).^2),2).';
end

---

非常感谢。

有了足够的RAM，您可以在这里使用一些方法

方法#1:带&-

方法#2:-

接近#3-

---

就性能而言，我的赌注是方法#3

for循环可能不是问题所在。您是否尝试过探查器以查看瓶颈在哪里？我建议使用小版本的x，并将行中的每个函数分开。然后探查器会告诉你哪个部分花费的时间最多。你也会创建一行全零，然后自平方，然后求和。使用2个循环和避免repmat可能会更快，以利于在非零行上进行操作。另外，您是否预先分配了D数组？为了获得性能，您确实需要使用索引。尝试ELKI版本，启用k-d树或类似索引，然后使用足够大的ε运行光学。您会对性能差异感到惊讶！我只有八度音阶而不是Matlab，但ELKI的速度快了100倍到1000倍。这对减少运行时间有帮助吗？请看我下面的回复。首先，谢谢你的回复。我已经测试了你的所有方法，它们都给出了相同的结果，但可惜的是，它与原始算法得到的结果不同。我会试着调试它，也许你也可以试一下。我可以证明，它们确实要快得多，大约100%的计算能力。顺便说一句，我+1d你的链接方法，因为它提供了信息。好吧，再弄乱一些。版本1给出了完全相同的结果，版本2给出了一个可忽略的错误。两个版本的运行时间与我的版本大致相同。版本3确实是最快的，但仍然会产生错误。我正在进一步研究它。让版本3工作，与数据集相比差异可以忽略不计。产生错误的原因是，我必须猜测您所说的变量“M”是什么意思，我在描述中没有使用它（我猜它是“M”，它是“x”）。唯一剩下的问题是，第一列产生了小的负数，它应该等于0。我手动将其归零，但我将更深入地研究这一点，并理解您的方法。谢谢。@user2324712抱歉是的，

M

一定很混乱。基本上，这些对角线值与精确的零稍有偏差，因此这条线

D（1:m+1:end）=0更正它。编辑方法#3，以纠正混淆的
M
部分。请检查一下！
D = squeeze(sum(bsxfun(@minus,permute(x,[3 2 1]),x).^2,2))

D = squareform(pdist(x).^2)

xt = x.';  %//'
[m,n] = size(x);
D = [x.^2 ones(size(x)) -2*x ]*[ones(size(xt)) ; xt.^2 ; xt];
D(1:m+1:end) = 0;