c++模拟图像特征矩阵和文本特征矩阵，对它们进行简单的对齐操作-CSDN博客

以下是对这段代码的逐行注释：

#include <iostream>
// 包含输入输出流库，用于进行控制台的输入输出操作
#include <vector>
// 包含向量库，用于使用动态数组（std::vector）来表示矩阵
#include <cmath>
// 包含数学库，用于使用数学函数，如平方根函数 std::sqrt

// 定义特征矩阵
// 使用 typedef 为 std::vector<std::vector<double>> 定义一个别名 Matrix
// 这样可以更方便地表示二维矩阵
typedef std::vector<std::vector<double>> Matrix;

// 打印矩阵
// 该函数接受一个常量引用的 Matrix 类型参数 mat，用于打印矩阵的元素
void printMatrix(const Matrix &mat) {
    // 遍历矩阵的每一行
    for (const auto &row : mat) {
        // 遍历当前行的每一个元素
        for (double val : row) {
            // 输出当前元素，并在元素之间添加一个空格
            std::cout << val << " ";
        }
        // 每一行输出结束后换行
        std::cout << std::endl;
    }
}

// 计算两个矩阵的相似性（例如使用余弦相似度）
// 该函数接受两个常量引用的 Matrix 类型参数 A 和 B，返回它们的余弦相似度
double cosineSimilarity(const Matrix &A, const Matrix &B) {
    // 初始化点积为 0
    double dotProduct = 0.0;
    // 初始化矩阵 A 的范数为 0
    double normA = 0.0;
    // 初始化矩阵 B 的范数为 0
    double normB = 0.0;
    // 遍历矩阵 A 的每一行
    for (size_t i = 0; i < A.size(); ++i) {
        // 遍历当前行的每一个元素
        for (size_t j = 0; j < A[i].size(); ++j) {
            // 计算点积，将 A[i][j] 和 B[i][j] 相乘并累加到 dotProduct 中
            dotProduct += A[i][j] * B[i][j];
            // 计算矩阵 A 的范数，将 A[i][j] 的平方累加到 normA 中
            normA += A[i][j] * A[i][j];
            // 计算矩阵 B 的范数，将 B[i][j] 的平方累加到 normB 中
            normB += B[i][j] * B[i][j];
        }
    }
    // 计算并返回余弦相似度，即点积除以两个矩阵范数的乘积
    return dotProduct / (std::sqrt(normA) * std::sqrt(normB));
}

// 对齐函数：简单求平均作为对齐结果
// 该函数接受两个常量引用的 Matrix 类型参数 imageFeat 和 textFeat，返回对齐后的矩阵
Matrix alignMatrices(const Matrix &imageFeat, const Matrix &textFeat) {
    // 初始化一个 3x3 的矩阵 aligned，所有元素初始值为 0.0
    Matrix aligned(3, std::vector<double>(3, 0.0));
    // 遍历对齐矩阵的每一行
    for (size_t i = 0; i < aligned.size(); ++i) {
        // 遍历当前行的每一个元素
        for (size_t j = 0; j < aligned[i].size(); ++j) {
            // 计算对齐矩阵的元素值，为 imageFeat 和 textFeat 对应元素的平均值
            aligned[i][j] = (imageFeat[i][j] + textFeat[i][j]) / 2.0;
        }
    }
    // 返回对齐后的矩阵
    return aligned;
}

int main() {
    // 模拟图像特征和文本特征矩阵
    // 定义一个 3x3 的矩阵 imageFeat 表示图像特征
    Matrix imageFeat = {
        {0.2, 0.3, 0.4},
        {0.4, 0.5, 0.6},
        {0.6, 0.7, 0.8}
    };

    // 定义一个 3x3 的矩阵 textFeat 表示文本特征
    Matrix textFeat = {
        {0.1, 0.3, 0.5},
        {0.5, 0.5, 0.7},
        {0.7, 0.8, 0.9}
    };

    // 输出提示信息，表示接下来要输出图像特征矩阵
    std::cout << "Image Features:" << std::endl;
    // 调用 printMatrix 函数打印图像特征矩阵
    printMatrix(imageFeat);

    // 输出提示信息，表示接下来要输出文本特征矩阵
    std::cout << "Text Features:" << std::endl;
    // 调用 printMatrix 函数打印文本特征矩阵
    printMatrix(textFeat);

    // 对齐特征
    // 调用 alignMatrices 函数对图像特征矩阵和文本特征矩阵进行对齐，并将结果存储在 alignedFeat 中
    Matrix alignedFeat = alignMatrices(imageFeat, textFeat);
    // 输出提示信息，表示接下来要输出对齐后的特征矩阵
    std::cout << "Aligned Features:" << std::endl;
    // 调用 printMatrix 函数打印对齐后的特征矩阵
    printMatrix(alignedFeat);

    // 计算对齐前后的相似性
    // 调用 cosineSimilarity 函数计算图像特征矩阵和文本特征矩阵的余弦相似度
    double similarity = cosineSimilarity(imageFeat, textFeat);
    // 输出提示信息和对齐前的余弦相似度
    std::cout << "Cosine Similarity Before Alignment: " << similarity << std::endl;

    // 程序正常结束，返回 0
    return 0;
}