scipy.spatial.distance.

directed_hausdorff#

scipy.spatial.distance.directed_hausdorff(u, v, rng=0)[source]#

计算两个 2-D 数组之间的定向 Hausdorff 距离。

使用欧几里德度量计算对之间的距离。

参数:
u(M,N) 类似数组

输入数组，包含 N 维空间中的 M 个点。

v(O,N) 类似数组

输入数组，包含 N 维空间中的 O 个点。

rngint 或 numpy.random.Generator 或 None，可选

伪随机数生成器状态。默认为 0，因此 u 和 v 的洗牌是可重复的。

如果通过关键字传递 rng，则除 numpy.random.Generator 之外的类型将传递给 numpy.random.default_rng 以实例化 Generator。如果 rng 已经是一个 Generator 实例，则使用提供的实例。

如果此参数通过位置传递或 seed 通过关键字传递，则参数 seed 应用旧的行为

  • 如果 seed 为 None，则使用一个新的 RandomState 实例。如果可用，则使用来自 /dev/urandom（或 Windows 类似物）的数据或否则来自系统时钟初始化状态。

  • 如果 seed 是一个 int，则使用一个新的 RandomState 实例，并使用 seed 作为种子。

  • 如果 seed 已经是 Generator 或 RandomState 实例，则使用该实例。

在版本 1.15.0 中更改：作为从使用 numpy.random.RandomState 到 numpy.random.Generator 的 SPEC-007 过渡的一部分，此关键字已从 seed 更改为 rng。在过渡期间，两个关键字将继续工作，但一次只能指定一个。在过渡期之后，使用 seed 关键字的函数调用将发出警告。上述概述了 seed 和 rng 的行为，但在新代码中应仅使用 rng 关键字。

返回值:
d双精度浮点数

数组 u 和 v 之间的定向 Hausdorff 距离，

index_1int

在 u 中促成 Hausdorff 对的点的索引

index_2int

在 v 中促成 Hausdorff 对的点的索引

引发:
ValueError

如果 u 和 v 的列数不相同，则会引发异常。

另请参阅

scipy.spatial.procrustes

两个数据集的另一个相似性测试

注意

使用早期中断技术和 [1] 中描述的随机抽样方法。虽然最坏情况下的性能是 O(m * o)（与蛮力算法一样），但在实践中不太可能，因为输入数据需要算法探索每个单点交互，并且在算法对该点的输入点进行洗牌之后。最佳情况性能为 O(m)，这通过选择小于 cmax 的内部循环距离并尽可能经常导致早期中断来满足。作者已正式证明平均运行时更接近 O(m)。

在版本 0.19.0 中添加。

参考文献

[1]

A. A. Taha 和 A. Hanbury，“一种用于计算精确 Hausdorff 距离的有效算法”。IEEE Transactions On Pattern Analysis And Machine Intelligence, vol. 37 pp. 2153-63, 2015。

示例

查找坐标的两个 2-D 数组之间的定向 Hausdorff 距离

>>> from scipy.spatial.distance import directed_hausdorff
>>> import numpy as np
>>> u = np.array([(1.0, 0.0),
...               (0.0, 1.0),
...               (-1.0, 0.0),
...               (0.0, -1.0)])
>>> v = np.array([(2.0, 0.0),
...               (0.0, 2.0),
...               (-2.0, 0.0),
...               (0.0, -4.0)])

>>> directed_hausdorff(u, v)[0]
2.23606797749979
>>> directed_hausdorff(v, u)[0]
3.0

查找坐标的两个 2-D 数组之间的常规（对称）Hausdorff 距离

>>> max(directed_hausdorff(u, v)[0], directed_hausdorff(v, u)[0])
3.0

查找生成 Hausdorff 距离的点（Hausdorff 对）的索引

>>> directed_hausdorff(v, u)[1:]
(3, 3)
在此页