Bsxfun在解决最小优化任务中的实现

Question

我真的需要帮助。

我有两个矩阵L1和L2，它们都是(500x3)的大小。

首先计算L1各列各元素与L2的差值:

lib1 = bsxfun(@minus, L1(:,1)',L2(:,1));
lib1=lib1(:);
lib2 = bsxfun(@minus, L1(:,2)',L2(:,2));
lib2=lib2(:);
lib3 = bsxfun(@minus, L1(:,3)',L2(:,3));
lib3=lib3(:);
LBR = [lib1 lib2 lib3];

结果是矩阵LBR。然后我有一个min问题要解决:

[d,p] = min((LBR(:,1) - var1).^2 + (LBR(:,2) - var2).^2 + (LBR(:,3) - var3).^2);

返回满足min问题的p点。最后，我可以回到我的矩阵L1和L2，以找到满足min问题的值的索引位置。我的操作如下:

[minindex_alongL2, minindex_alongL1] = ind2sub(size(L1),p);

这是好的。但是我现在需要的是:

我必须乘，取tensor-product，也称为Kronecker product的矢量alpha到LBR, alpha如下所示:

alpha = 0:0.1:2;

并且，这个Kronecker product我已经计算如下:

val = bsxfun(@times,LBR,permute(alpha,[3 1 2]));
LBR = reshape(permute(val,[1 3 2]),size(val,1)*size(val,3),[]);

我现在需要的是:我需要解决相同的min问题:

[d,p] = min((LBR(:,1) - var1).^2 + (LBR(:,2) - var2).^2 + (LBR(:,3) - var3).^2);

但是，这一次，除了找到满足min问题的L1和L2的索引位置和值外，我还需要找到来自已乘以并满足min问题的alpha向量的单个值的索引位置。我不知道我怎么能做到这一点，所以任何帮助将非常感激!

提前感谢!

Ps:如果需要，我可以发布L1和L2矩阵。

Answer 1

我相信你需要在你的代码中更正这一点-

[minindex_alongL2, minindex_alongL1] = ind2sub([size(L2,1) size(L1,1)],p)

对于解决方案，您需要将p的大小添加到最后一步的索引查找中，因为计算min的向量具有alpha的"附加影响"-

[minindex_alongL2, minindex_alongL1,minindex_alongalpha] = ind2sub([size(L2,1) size(L1,1) numel(alpha)],p)

minindex_alongalpha可能是您感兴趣的