我想在Matlab中实现相似性搜索。我想知道这是不是可能的？

我的计划是使用两种流行的相似性度量方法：欧几里得距离和动态时间规整。这两种方法都将应用于时间序列数据集。此时我的问题是，我如何评估这两种度量方法的性能和准确性？我看到一些文献说我应该使用K-NN算法。

然后，我计划对时间序列数据集进行降维处理。在降低数据集的维度后，我需要使用R树或任何可用的索引技术对数据集进行索引。

然而，我的难题在于，要做到这一点，我需要R树的Matlab代码，而我在互联网上几乎找不到任何相关代码…

我确实意识到，大多数相似性搜索的实现都是用C++、C和Java编写的…但我不熟悉这些语言。我希望能在Matlab中实现这些…有哪位大师能帮我解决这个问题吗？

另外，我可以进行哪些评估来评估每种算法的性能呢？

谢谢

回答：

最近（我认为是R2010a版本），MATLAB在统计工具箱中添加了新的函数，用于使用KD树（一种类似于R树的空间索引方法）进行k-最近邻（kNN）搜索。例如：

load fisheriris                            % 鸢尾花数据集Q = [6 3 4 1 ; 5 4 3 2];                   % 查询点% 构建kd树knnObj = createns(meas, 'NSMethod','kdtree', 'Distance','euclidean');% 查找Q的k=5个最近邻[idx Dist] = knnsearch(knnObj, Q, 'K',5);

请参考此页面以获取详细描述。

另外，如果你有图像处理工具箱，它包含了（已经很长时间了）kd树和kNN搜索的实现。不过它们是私有函数：

[matlabroot '\images\images\private\kdtree.m'][matlabroot '\images\images\private\nnsearch.m']

为了比较你的两种方法（动态时间规整和欧几里得距离），你可以设计一个经典的分类问题；给定一组标记的训练/测试时间序列，任务是通过使用kNN找到最相似的序列来预测每个测试序列的标签，然后预测多数类别。要评估性能，可以使用分类标准度量，如准确率/错误率等。