如何根据值对一维矩阵进行排序
How to order one dimensional matrices base on values
我想通过几何确定 space 中的一个点，并且我的数学计算给出了几个 theta 值。评估 theta 值后，我可以获得 N 1 x 3 维矩阵，其中 N 是评估的 theta 数。由于我有我的目标点，我只需要确定哪个矩阵最接近目标并充分关注三个坐标 (x,y,z)。
看下图的分析：
图 1：确定所有点的最近点误差最小
很容易看出第三个矩阵最接近使用sum(abs(Matrix[x,y,z])). 但是，如果将该方法应用于下面给出的另一个图，显然，结果是错误的。
图2：一个点与参考点的2轴有最接近的值
看B点，在y、z轴上更接近参考点，只是在x轴上偏离比较大。
那么我如何评估矩阵和select最接近参考点的矩阵，并且充分强调所有坐标 (x,y,z) 中的误差差异？
如果您的结果是根据 (x,y,z)，为什么不评估从参考点获得的每个矩阵的欧氏距离？
matlab代码排序：
Ref_point = [48.98, 20.56, -1.44];
Curr_point = [x,y,z];
Xd = (x-Ref_point(1))^2 ;
Yd = (y-Ref_point(2))^2 ;
Zd = (z-Ref_point(3))^2 ;
distance = sqrt(Xd + Yd + Zd);
%find the minimum distance
我想通过几何确定 space 中的一个点，并且我的数学计算给出了几个 theta 值。评估 theta 值后，我可以获得 N 1 x 3 维矩阵，其中 N 是评估的 theta 数。由于我有我的目标点，我只需要确定哪个矩阵最接近目标并充分关注三个坐标 (x,y,z)。 看下图的分析：
图 1：确定所有点的最近点误差最小
很容易看出第三个矩阵最接近使用sum(abs(Matrix[x,y,z])). 但是，如果将该方法应用于下面给出的另一个图，显然，结果是错误的。
图2：一个点与参考点的2轴有最接近的值
看B点，在y、z轴上更接近参考点，只是在x轴上偏离比较大。
那么我如何评估矩阵和select最接近参考点的矩阵，并且充分强调所有坐标 (x,y,z) 中的误差差异？
如果您的结果是根据 (x,y,z)，为什么不评估从参考点获得的每个矩阵的欧氏距离？
matlab代码排序：
Ref_point = [48.98, 20.56, -1.44];
Curr_point = [x,y,z];
Xd = (x-Ref_point(1))^2 ;
Yd = (y-Ref_point(2))^2 ;
Zd = (z-Ref_point(3))^2 ;
distance = sqrt(Xd + Yd + Zd);
%find the minimum distance