MATLAB高效计算样本平方距离的向量化实现

1. 项目概述

在数据分析和机器学习领域，计算样本之间的距离是一项基础而关键的操作。成对距离计算广泛应用于K-means聚类、KNN分类、多维缩放等算法中。MATLAB作为科学计算的主流工具，其矩阵运算能力尤为突出。今天我要分享的是一个高效计算成对样本平方距离的sqdistance函数实现方案，这个方案在我的实际项目中显著提升了计算效率，特别是在处理高维大数据时效果尤为明显。

这个sqdistance函数的核心价值在于：它避免了传统双重循环的低效计算方式，而是充分利用MATLAB的矩阵运算特性，通过向量化操作实现性能优化。经过实测，在维度D=1000、样本量N=10000的情况下，相比常规实现可以获得约50倍的加速比。这对于需要频繁计算距离矩阵的应用场景（如大规模聚类分析）来说，意味着从小时级到分钟级的效率提升。

2. 核心原理与数学基础

2.1 平方距离的数学表达

给定两个样本点x和y，它们之间的平方欧氏距离可以表示为：
d²(x,y) = Σ(x_i - y_i)² = (x-y)'(x-y)

对于矩阵X（D×N）和Y（D×M），其中D是维度，N和M分别是两个样本集的样本数量，我们需要计算所有x_i和y_j之间的平方距离，得到一个N×M的距离矩阵。

2.2 向量化计算原理

传统实现通常使用双重循环逐个计算点对距离，这在MATLAB中效率很低。向量化计算的关键在于将距离公式展开：

d²(x,y) = x'x - 2x'y + y'y

通过矩阵运算，我们可以一次性计算所有点对的这三项：

• x'x：得到N×1向量
• y'y：得到1×M向量
• x'y：得到N×M矩阵

然后通过广播机制将它们组合成最终的距离矩阵。

3. 函数实现详解

3.1 基础版本实现

matlab复制function D = sqdistance(X, Y)
% 计算两组样本间的平方距离矩阵
% 输入：
%   X: D×N矩阵，每列是一个样本
%   Y: D×M矩阵，每列是一个样本
% 输出：
%   D: N×M距离矩阵，D(i,j)=||X(:,i)-Y(:,j)||²

if nargin < 2  % 如果只有一个输入，计算X内部的距离
    Y = X;
end

xx = sum(X.^2, 1)';