如何为这个matlab做矢量化；for loop"；？

我有一些matlab代码如下，构建KNN相似权重矩阵

[D,I] = pdist2(X, X, 'squaredeuclidean', 'Smallest', k+1);
D = D < threshold;
W = zeros(n, n);
for i=1:size(I,2)
    W(I(:,i), i) = D(:,i);
    W(i, I(:,i)) = D(:,i)';
end

但未能获得正确的值

我在这里添加了测试用例：

n = 5;

D = [
 1     1     1     1     1
 0     1     1     1     1
 0     0     0     0     0
];

I = [
 1     2     3     4     5
 5     4     5     2     3
 3     1     1     1     1
];

---

有一些未定义的变量使得很难检查它在做什么，但这应该与for循环相同：

D,I] = pdist2(X, X, 'squaredeuclidean', 'Smallest', k+1);
D = D < threshold;
W = zeros(n);

% set the diagonal values
W(sub2ind(size(X), I(1, :), I(1, :))) = D(1,:);
% set the other values
W(sub2ind(size(W), I(2, :), 1:size(I, 2))) = D(2, :);
W(sub2ind(size(W), 1:size(I, 2), I(2, :))) = D(2, :).';

D，I]=pdist2（X，X，'squaredeuclidean'，'minister'，k+1）；
D=D<阈值；
W=零（n）；
%设置对角线值
W（sub2ind（size（X），I（1，：），I（1，：）=D（1，：）；
%设置其他值
W（sub2ind（size（W），I（2，：），1:size（I，2））=D（2，：）；
W（sub2ind（size（W），1:size（I，2），I（2，：））=D（2，：）；

---

我拆分了方向，它现在可以与您的测试用例一起使用。

有一些未定义的变量使得很难检查它在做什么，但这应该与for循环的作用相同：

D,I] = pdist2(X, X, 'squaredeuclidean', 'Smallest', k+1);
D = D < threshold;
W = zeros(n);

% set the diagonal values
W(sub2ind(size(X), I(1, :), I(1, :))) = D(1,:);
% set the other values
W(sub2ind(size(W), I(2, :), 1:size(I, 2))) = D(2, :);
W(sub2ind(size(W), 1:size(I, 2), I(2, :))) = D(2, :).';

D，I]=pdist2（X，X，'squaredeuclidean'，'minister'，k+1）；
D=D<阈值；
W=零（n）；
%设置对角线值
W（sub2ind（size（X），I（1，：），I（1，：）=D（1，：）；
%设置其他值
W（sub2ind（size（W），I（2，：），1:size（I，2））=D（2，：）；
W（sub2ind（size（W），1:size（I，2），I（2，：））=D（2，：）；

---

我分割了方向，它现在适用于您的测试用例。

您可以使用线性索引进行一些裁剪，但是如果您的矩阵很大，那么您应该只使用

D

的非零分量。以下复制了D的所有值

W = zeros(n);
W(reshape(sub2ind([n,n],I,[1;1;1]*[1:n]),1,[])) = reshape(D,1,[]);

---

您可以使用线性索引进行一些裁剪，但是如果您的矩阵很大，那么您应该只使用

D

的非零分量。以下复制了D的所有值

W = zeros(n);
W(reshape(sub2ind([n,n],I,[1;1;1]*[1:n]),1,[])) = reshape(D,1,[]);

一种可能的解决办法：

idx1 = reshape(1:n*n,n,n).';
idx2 = bsxfun(@plus,I,0:n:n*size(I,2)-1);

W=zeros(n,n);
W(idx2) = D;
W(idx1(idx2)) = D;

这里假设您重复地想要计算

D

和

I

，所以只计算

idx

一次并重复使用它

n = 5;
idx1 = reshape(1:n*n,n,n).';
%for k = 1 : 1000
    %[D,I] = pdist2(X, X, 'squaredeuclidean', 'Smallest', k+1);
    %D = D < threshold;
    idx2 = bsxfun(@plus,I,0:n:n*size(I,2)-1);   
    W=zeros(n,n);
    W(idx2) = D;
    W(idx1(idx2)) = D;
%end

一种可能的解决办法：

idx1 = reshape(1:n*n,n,n).';
idx2 = bsxfun(@plus,I,0:n:n*size(I,2)-1);

W=zeros(n,n);
W(idx2) = D;
W(idx1(idx2)) = D;

这里假设您重复地想要计算

D

和

I

，所以只计算

idx

一次并重复使用它

n = 5;
idx1 = reshape(1:n*n,n,n).';
%for k = 1 : 1000
    %[D,I] = pdist2(X, X, 'squaredeuclidean', 'Smallest', k+1);
    %D = D < threshold;
    idx2 = bsxfun(@plus,I,0:n:n*size(I,2)-1);   
    W=zeros(n,n);
    W(idx2) = D;
    W(idx1(idx2)) = D;
%end

---

谢谢你的帮助。我已经尝试了你的代码，并将其与origin循环进行了比较。W的一些条目不一样。谢谢您的帮助。我已经尝试了你的代码，并将其与origin循环进行了比较。W的某些条目不相同。