主页 / 问题 / 608436
Accepted
mr.T
Asked:2020-12-27 18:50:55 +0000 UTC2020-12-27 18:50:55 +0000 UTC

需要使用 Rccp 将 dtw 算法移植到 R

  • 772

R 有一个包含 dtw 算法的包，但它非常慢，我决定用从这里用 C++ 编写的 dtw 替换它 。我马上说，我只是在学习编程，R 是我的第一语言，我不熟悉其他语言，尤其是 c++，所以如果我不懂，请不要感到惊讶有些东西，哪怕是非常微不足道的东西……

我需要从函数中获取两个任意长度的向量作为输入，并给出这些向量之间的欧几里德距离作为接近度的度量，就是这样......尽可能快和尽可能短

所以我从上面的链接中获取代码并尝试使用 Rccp 将其集成到 R 但是它没有用，在我看来，一开始声明变量及其类型是不正确的

#include <Rcpp.h>

using namespace Rcpp;




DEFUN_DLD (dtw3, args, , "Find DTW of two signals with window")
{

  int nargin = args.length();

  if (nargin != 2)
    print_usage();

  Matrix A = args(0).array_value();
  Matrix B = args(1).array_value();

  octave_stdout << "Size of A is " << A.length() << std::endl;;
  octave_stdout << "Size of B is " << B.length() << std::endl;

  if (! error_state)
    {
      octave_idx_type n = A.length();
      octave_idx_type m = B.length();

      Matrix results (n + 1, m + 1);

      for(octave_idx_type i = 0; i <= n ; i++)
        for(octave_idx_type j = 0; j <= m ; j++)
          results(i, j) = octave_Inf;
      results(0, 0) = 0;

      octave_idx_type win = abs (n-m);

      double cost = 0;

      for(octave_idx_type i = 1 ; i <= n ; i++)
        for(octave_idx_type j = std::max(1, i-win) ; j <= std::min(m, i+win) ; j++)
          {
            cost = abs(A(i-1) - B(j-1));
            results(i, j) = cost + std::min(std::min(results(i-1,j),results(i,j-1)),results(i-1,j-1));
          }

      //octave_stdout << results << std::endl;
      return ovl(results(n, m));
    }
}

你能告诉我这段代码需要改变什么吗？

c++

1 个回答

  1. Best Answer

    等效代码Rcpp：

    #include <Rcpp.h>
using namespace Rcpp;

// [[Rcpp::export]]
double dtw_rcpp(const NumericVector& x, const NumericVector& y) {
    size_t n = x.size(), m = y.size();
    NumericMatrix res = no_init(n + 1, m + 1);
    std::fill(res.begin(), res.end(), R_PosInf);
    res(0, 0) = 0;
    double cost = 0;
    size_t w = std::abs(static_cast<int>(n - m));
    for (size_t i = 1; i <= n; ++i) {
        for (size_t j = std::max(1, static_cast<int>(i - w)); j <= std::min(m, i + w); ++j) {
            cost = std::abs(x[i - 1] - y[j - 1]);
            res(i, j) = cost + std::min(std::min(res(i - 1, j), res(i, j - 1)), res(i - 1, j - 1));
        }
    }
    return res(n, m);
}

    该算法本身也在维基百科上有描述。

    • 3

相关问题