如何组织一个列表，保持相似性矩阵中相邻元素之间的最小相似性？

Question

我有 24 个样本的清单。对于每个样本，我都有一个向量，其中包含与其他样本的距离。这构成了 24 x 24 相似度矩阵。在该矩阵中，相似度值的范围从0到100，其中100是样本与其自身的相似度值。

这是相似性矩阵的图像（带有树状图）和矩阵的子集

> similarity_matrix[1:10,1:10]
      [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10]
 [1,]  100   10   15    0   15   50   25   10   25    10
 [2,]   10  100    0   20    0   30   10   30   50    70
 [3,]   15    0  100    0   15    0   15    0   15     0
 [4,]    0   20    0  100   50   20    0   20    0    20
 [5,]   15    0   15   50  100    0   15    0   15     0
 [6,]   50   30    0   20    0  100   10   30   10    30
 [7,]   25   10   15    0   15   10  100   50   25    10
 [8,]   10   30    0   20    0   30   50  100   10    30
 [9,]   25   50   15    0   15   10   25   10  100    50
[10,]   10   70    0   20    0   30   10   30   50   100

从该相似性矩阵中并选择起始样本 我希望能够生成一个列表，最大限度地减少样本与其两个相邻样本的相似性。

到目前为止我还没有想到一个有效的方法来做到这一点。通过数学运算或使用循环。

Answer 1

我不知道r，但是我猜想您可以做矩阵的第一个索引，然后将模拟性带到其后值和之后。

for(int i = 0; i < row.count; i++)
{
   leftIndex = i - 1;
   rightIndex = i + 1;
   totalCost = 0;
   if (leftIndex >= 1)
   {
      totalCost += matrix[i][leftIndex]
   }
   if (rightIndex < column.count)
   {
       totalCost += matrix[i][leftIndex]
   }     
    list.add(totalCost)
}

之后，您只需要对值进行排序，同时跟踪索引获得该值的值。