当前位置:   article > 正文

matlab函数 bsxfun(高效代码)_matlab bsxfun

matlab bsxfun

转自 点击打开链接

bsxfun是一个matlab自版本R2007a来就提供的一个函数,作用是”applies an element-by-element binary operation to arrays a and b, with singleton expansion enabled.”

函数功能:两个数组间元素逐个计算的二值操作

使用方法:C=bsxfun(fun,A,B)

两个数组A合B间元素逐个计算的二值操作,fun是函数句柄或者m文件,也可以为如下内置函数:

@plus 加
@minus 减
@times 数组乘《Simulink与信号处理》
@rdivide 左除
@ldivide 右除
@power 数组幂乘
@max 二值最大值
@min 二值最小值
@rem 余数
@mod 求模
@atan2 四象限反正切
@hypot 平方和的平方根
@eq 等于
@ne 不等于
@lt 小于www.iLoveMatlab.cn
@le 小于或等于
@gt 大于
@ge 大于或等于
@and 逻辑并
@or 逻辑或
@xor 逻辑异或

三种方法对比:

[cpp]  view plain  copy
 print ?
  1. function test_dist(m, n)  
  2.     X = rand(m,n);  
  3.     D = use_bsxfun(X);  
  4.     D = use_repmat(X);  
  5.     D = use_for(X);  
  6. end  
  7.   
  8. function D=use_bsxfun(X)  
  9.     v = dot(X,X);  
  10.     D = bsxfun(@plus,v,v')-2*(X'*X);  
  11. end  
  12.   
  13. function D=use_repmat(X)  
  14.     v = dot(X,X);  
  15.     D = repmat(v,length(v),1) + repmat(v',1,length(v)) - 2*(X'*X);  
  16. end  
  17.   
  18. function D=use_for(X)  
  19.     D = zeros(size(X,2));  
  20.     for i=1:size(D,1)  
  21.         for j=i+1:size(D,2)  
  22.             D(i,j) = sum((X(:,i)-X(:,j)).^2);  
  23.         end  
  24.     end  
  25.     D = max(D,D');  
  26. end  

应用举例:

假设我们有数据A和B, 每行是一个样本,每列是一个特征。我们要计算高斯核,既:
k(||x-xc||)=exp{- ||x-xc||^2/(2*σ)^2) } 其中xc为核函数中心,σ为函数的宽度参数 , 控制了函数的径向作用范围。
当然可以用双重for实现(如果第一直觉是用三重for的话…)。

  1. K1 = zeros(size(A,1),size(B,1));
  2. for i = 1 : size(A,1)
  3. for j = 1 : size(B,1)
  4. K1(i,j) = exp(-sum((A(i,:)-B(j,:)).^2)/beta);
  5. end
  6. end

使用2,000×1,000大小的A和B, 运行时间为88秒。
考虑下面向量化后的版本:

  1. sA = (sum(A.^2, 2));
  2. sB = (sum(B.^2, 2));
  3. K2 = exp(bsxfun(@minus,bsxfun(@minus,2*A*B', sA), sB')/beta);

使用同样数据,运行时间仅0.85秒,加速超过100倍。
如要判断两者结果是不是一样,可以如下

assert(all(all(abs(K1-K2)<1e-12)))
C = bsxfun(fun,A,B) appliesthe element-by-element binary operation specified 

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/人工智能uu/article/detail/902537
推荐阅读
相关标签
  

闽ICP备14008679号