对两个向量的函数的向量化调用（处理矩阵作为向量的数组）

[poster]

我希望计算向量集之间的累积余弦距离。
一组向量的自然表示是一个矩阵...但是如何向量化以下内容？

function d = cosdist(P1,P2) ds = zeros(size(P1,2),1); for k=1:size(P1,2) %#used transpose() to avoid SO formatting on ' ds(k)=transpose(P1(:,k))*P2(:,k)/(norm(P1(:,k))*norm(P2(:,k))); end d = prod(ds); end 我当然可以写

fz = @(v1,v2) transpose(v1)*v2/(norm(v1)*norm(v2)); ds = cellfun(fz,P1,P2); ...只要我将矩阵重铸为向量的元胞数组。有没有更好/完全数字化的方法？
另外，cellfun，arrayfun等将利用矢量指令和/或多线程吗？

请注意，在当前公司中可能是多余的，但对于列向量v1'*v2 == dot(v1,v2) ，在Matlab中明显更快。



回答：

由于P1和P2的大小相同，因此您可以在此处进行按元素的操作。顺便说一下， v1'*v等于sum(v1.*v2) 。

d = prod(sum(P1.*P2,1)./sqrt(sum(P1.^2,1) .* sum(P2.^2,1)));

更多&回答...