Eğriler arasındaki benzerlik ölçüleri?

İki sıralı nokta kümesi arasındaki benzerlik ölçüsünü hesaplamak istiyorum --- Kullanıcı altındaki olanlar Öğretmen altındaki ile karşılaştırıldığında :

Noktalar 3D uzaydaki eğrilerdir, ancak resimdeki gibi 2 boyutta çizersem sorunun basitleştirildiğini düşünüyordum. Noktalar çakışırsa, benzerlik% 100 olmalıdır.

Yörüngeleri veya eğrileri karşılaştırıyorsunuz . Bu çalışılan bir konudur. EMS'nin söylediği gibi, procrustes analizi ve dinamik zaman eğriliği ticaretin araçlarıdır. Eğrileri hizaladıktan sonra mesafeyi ölçmek isteyeceksiniz, Fréchet mesafesini söyleyin . Verilerinizden bazılarını paylaşmak isterseniz, kendimiz bir çatlak alabiliriz.

İlgili okuma:

• Eğri Eşleme, Zaman Çarpıtma ve Işık Alanları: Eğriler Arasındaki Benzerliği Hesaplamak İçin Yeni Algoritmalar
• Benzer Çok Boyutlu Yörüngeleri Keşfetme ( sağlamlık için LCSS'yi kullanır )

Geçici boyutu göz ardı ederseniz:

Kullanıcıyı ve Öğretmeni Gauss yoğunluklarını çok değişkenli hale getirebilir ve ürünlerinin hacmini bulabilirsin - bu oldukça kolay. Daha fazla doğruluk istiyorsanız, bunun yerine parametrik olmayan bir yoğunluk tahmini kullanabilirsiniz.

Procrustes mesafesini veya dinamik zaman eğrisine dayanan bir mesafeyi düşünebilirsiniz (boyutlarınızdan biri kendi başına "zaman" olmasa bile, bu dönüşüm fikrini kullanabilirsiniz). Videolarda nokta yörüngeleri tarafından oyulmuş 3B uzay eğrileri arasındaki benzerliği ölçmek için dinamik zaman eğrisinin açıklayıcı bir kullanım örneği için bu son İzlemeler konusuna bakın .

Matlab veya Python için PyGeometry kütüphanesi gibi yerleşik Procrustes mesafe hesaplamalarına sahip birçok kütüphane vardır .

Orijinal yayın, 3D olarak SİPARİŞ noktaları arasında bir metrik istedi. Böyle bir metrik Frechet mesafesidir. Boyutlardan biri olarak zamandan bahsedilmedi, bu yüzden tüm boyutların mesafe birimleri olduğunu varsayalım (yani birimler karışık değildir). Bu, MathWorks dosya değişimine yakın zamanda yüklenen bir işlevi değiştirerek yapılabilir (Frechet mesafe hesaplaması: http://www.mathworks.com/matlabcentral/fileexchange/38714 ). Bu rutinler düzlemdeki noktalar için yazılmıştır, ancak 3B noktalara genişletme basittir.

$X$$Y$ olarak tanımlanır, $d_H(X, Y) = \max \{\sup_{x \in X} \inf_{y \in Y} ||x - y||, \sup_{y \in Y} \inf_{x \in X} ||x - y||\}$.

Similarity is quantity that reflects the strength of relationship between two objects or two features. This quantity is usually having range of either -1 to +1 or normalized into 0 to 1. Than you need to calculate the distance of two features by one of the methods below:

1. Simple Matching distance
2. Jaccard's distance
3. Hamming distance
4. Jaccard's coefficient
5. simple matching coefficient

For line... you can represent it by angle (a) and length (l) properties or L1= P1(x1,y1), P2(x2,y2) below is the similarity with a and l.

now measure the angle for angles and lengths

• A_user =20 and Length_User =50
• A_teacher30 and Length_Teacher =55
• Now, normalize the values.

Using euclidean distance

similarity = SquareRoot((A_user - A_teacher30 )^2 +(Length_User - Length_Teacher )^2)

gives the similarity measure. You can also use above mentioned methods based on the problem and the features.