Performance 加快查找元素的累计出现次数_Performance_Matlab_Find Occurrences

Performance 加快查找元素的累计出现次数

performance matlab

Performance 加快查找元素的累计出现次数,performance,matlab,find-occurrences,Performance,Matlab,Find Occurrences,我正在努力提高代码的性能。代码基本上计算L\u total（1x2640）的值，并通过从另一个名为L\u CN（1320x6）的变量获取数据来实现。我还有colindexes矩阵（2640x3），它存储了要在L\u CN中查看的行的值因此，代码查看colindexes以获取行数据。假设colindexes的形式如下： 55 65 75 68 75 85 ... 程序将使用L_CN（55,1）+L_CN（65,1）+L_CN（75,1）计算L_总数（1）。这里，第一个索

我正在努力提高代码的性能。代码基本上计算

L\u total

（1x2640）的值，并通过从另一个名为

L\u CN

（1320x6）的变量获取数据来实现。我还有

colindexes

矩阵（2640x3），它存储了要在

L\u CN

中查看的行的值

因此，代码查看

colindexes

以获取行数据。假设

colindexes

的形式如下：

55    65    75
68    75    85
...

程序将使用

L_CN（55,1）+L_CN（65,1）+L_CN（75,1）

计算L_总数（1）。这里，第一个索引是指从

colindexes

矩阵中获得的行号。第二个索引表示到目前为止这些行号的出现次数。因此，当我们计算

L_总数（2）

时，它将是

L_CN（68,1）+L_CN（75,2）+L_CN（85,1）

。这里发生的

L\u-CN（75,2）

是因为

L\u-CN（75,1）

以前被使用过

要计算整个

L_total

矩阵，以下代码运行良好。它通过在名为

list

（2640x1）的变量中增加相应的索引来存储每个索引的出现次数，从而计算

L_total

。它在0.023715秒内完成。（请注意，

是下面的2640）

问题是，我会一遍又一遍地运行这部分代码，可能会运行一百万次。这是大型模拟的一部分。因此，即使是业绩增长的一小部分也是我所追求的。首先，我认为摆脱for循环可以达到这个目的，并将代码转换为以下内容-从本主题中获得一些帮助：：

此代码还执行

list\u col

（1x7920）、

occurrence

（1x7920）、

list

（2640x3）和

直线索引（2640x3）的工作。然而，与我的预期相反，它需要0.062168秒，大约是for循环实现的三倍。此操作的0.05217秒应在第二行完成，在该行中形成发生矩阵。对于像我这样的数组大小，以这种方式查找事件的效率确实很低
问题是，无论是否使用for循环，如何提高代码的性能？矢量化方法看起来不错，只要我能找到一种更快计算发生矩阵的方法就好了。正如我所说的，这部分代码将运行很多次，因此性能的任何提高都是受欢迎的
谢谢大家!
进一步资料：
共索引
表示大小为1320x2640的大矩阵。我没有存储整个矩阵，而是将矩阵中“1”的行位置存储在colindexes
中。剩下的是零。因此，问题中指定的colindexes
I意味着，第1列第55行和第2列第85行中有一个“1”。。。所以最小，最大范围是11320。每列中只有3'1，因此其大小为2640x3。当然，这是关于它是如何形成的背景信息。如果这有帮助，则colindexes
中每个值的出现次数也相同，即6
<> P> >对于矩阵<代码> A=（1 0 0 0；0 1 1 0）< /代码>，<代码> Cal指标< /C> > <代码> [1；2；2；1 ] < /> > 
 如果您仍在使用for循环，请考虑在变量中存储<代码> CysRead（i，，）/Cuth>。你已经用了4次了。这可能会稍微节省您的时间。
2640x1。让我来编辑OP.n
会是什么？对不起，如果我错过了。没关系，这是一个巨大的代码，我张贴它的一部分。我可能跳过了指定一两个变量。n是2640，我也会编辑它。你能发布典型的值吗？也许L_CN
，list
和colindexes
？colindexes
代表一个1320x2640大小的大矩阵。我没有存储整个矩阵，而是将矩阵中“1”的行位置存储在colindexes
中。剩下的是零。因此，问题中指定的colindexes
I意味着，第1列第55行和第2列第85行中有一个“1”。。。所以最小，最大范围是11320。每列中只有3'1，因此其大小为2640x3。当然，这是关于它是如何形成的背景信息。如果这有帮助，则colindexes中每个值的出现次数也相同，即6。
for i=1:n
     list(colindexes(i,:)) = list(colindexes(i,:)) + 1;
     L_total(i) = sum(diag(L_CN(colindexes(i,:),list(colindexes(i,:)))));
end

list_col = reshape(colindexes',1,[]);
occurrence = sum(triu(bsxfun(@eq,list_col,list_col.')));
list = reshape(occurrence,3,[])';
straight_index = colindexes + (list - 1)*k;
L_total = sum(L_CN(straight_index),2)';