3d 形状相似度的性能测量

如何解决3d 形状相似度的性能测量

如果我在这方面得到帮助，我将不胜感激：

我的数据库索引如下：

[0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3 3 4 4    4 5 5 5 5 5 5 5 5 5 5 5 5 6 6 6 6 6 6 6 6 6 6 7 7 7 7 7 7 7 7 7 7 7 7 8 8 8 8 8 8 8 8 8 8 8]

其中每个数字代表一个类别，0 代表猫类别，例如有 10 只猫，我正在做的是一个查询，以便从数据库中检索相似的形状，完成了 5 个查询，它们的结果是这样的：

[list([1,1,1]) list([4,4,4])
 list([8,8,8]) list([1,1])
 list([5,5,5])]

所以每个列表都包含根据我已经指定的约束检索到的顶部，但可以肯定的是，这里有两次 1 但它指的是不同的形状但肯定是同一类。

我现在想弄清楚的是进行性能测量，例如精确召回、E-measure、折扣累积增益 (DCG)、最近邻 (NN)、一级 (Tier1) 和二级 -层（Tier2）。

在大多数形状匹配和检索过程中使用的度量。不知何故，我了解了每个术语背后的概念，但我缺乏如何在我的情况和数据结果中做到这一点。

我正在用 Python 编码。