Java 向量点积计算

86 篇文章 1 订阅

在线性代数、计算几何中,向量点积是一种十分重要的运算。
给定两个n维向量a=(a1,a2,…,an)和b=(b1,b2,…,bn),求点积a·b=a1b1+a2b2+…+anbn。
输入
第一行是一个整数n。1 <= n <= 1000。
第二行包含n个整数a1,a2,…,an。
第三行包含n个整数b1,b2,…,bn。
相邻整数之间用单个空格隔开。每个整数的绝对值都不超过1000。
输出
一个整数,即两个向量的点积结果。
样例输入
3
1 4 6
2 1 5

样例输出
36

import java.math.BigInteger;
import java.util.Scanner;
import java.util.concurrent.CountDownLatch;
public class Main {
    public static void main(String[] args) {
        int n,sum = 0;
        int a[]=new int[1001];
        int b[]=new int[1001];
        Scanner scanner=new Scanner(System.in);
        n=scanner.nextInt();
        for(int i=1;i<=n;i++)
        {
            a[i]=scanner.nextInt();
        }
        for(int i=1;i<=n;i++)
        {
            b[i]=scanner.nextInt();
            sum=a[i]*b[i]+sum;
        }
        System.out.println(sum);
    }
}
  • 0
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Java中可以使用向量相似度计算来衡量两个向量之间的相似程度。常用的向量相似度计算方法有余弦相似度和欧氏距离。 1. 余弦相似度(Cosine Similarity):余弦相似度是通过计算两个向量的夹角来衡量它们之间的相似程度。具体计算公式如下: ![cosine_similarity](https://img-blog.csdnimg.cn/20210709103605134.png) 其中,A和B分别表示两个向量,|A|和|B|分别表示两个向量的模,A·B表示两个向量点积。 2. 欧氏距离(Euclidean Distance):欧氏距离是通过计算两个向量之间的距离来衡量它们之间的相似程度。具体计算公式如下: ![euclidean_distance](https://img-blog.csdnimg.cn/20210709103605135.png) 其中,A和B分别表示两个向量,n表示向量的维度。 在Java中,可以使用Apache Commons Math库来进行向量相似度计算。以下是使用Apache Commons Math库计算余弦相似度和欧氏距离的示例代码: ```java import org.apache.commons.math3.linear.ArrayRealVector; import org.apache.commons.math3.linear.RealVector; import org.apache.commons.math3.linear.VectorUtil; public class VectorSimilarity { public static void main(String[] args) { double[] vectorA = {1, 2, 3}; double[] vectorB = {4, 5, 6}; RealVector a = new ArrayRealVector(vectorA); RealVector b = new ArrayRealVector(vectorB); // 计算余弦相似度 double cosineSimilarity = VectorUtil.cosineDistance(a, b); System.out.println("Cosine Similarity: " + cosineSimilarity); // 计算欧氏距离 double euclideanDistance = a.getDistance(b); System.out.println("Euclidean Distance: " + euclideanDistance); } } ``` 注意:在使用示例代码之前,需要先引入Apache Commons Math库。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值