每个点都有 x、y 和大小。
例如,这些应该会产生类似的结果:
是否有任何算法或方法来确定图的相似性。
我尝试为每个图创建一个特征向量,例如每个象限中的点数、最大点大小、两个最大点之间的距离以及进行余弦相似度。但我不断获得不匹配图表的高度相似性。我正在考虑为此创建一个 ML 模型,并正在研究 siamese 模型,但无法让它正确训练。
您可以考虑将数据转换为一个矩阵,该矩阵覆盖 x,y 空间上的整个平面,每个点代表矩阵的一部分,然后将自动表示大数据点。 1 代表该单元格中是否有东西,0 代表空白
例如,如果你有一个 3X3 的空间,有一个如下所示的矩阵空间:
101
010
111
还有
111
011
101
您可以对这两个矩阵进行余弦相似度来评估彼此的接近程度。 OpenCV 中可能有一些库可以帮助您解决此问题,我的回答涵盖了您需要实现的原则。您遇到的主要问题是以有利于比较的方式表示数据。