我试图与它的相应的四id来每个人脸上的节点ID四面体链接。
tetras = [1 2 3 4 % Tetra 1
5 6 7 8] % Tetra 2
对于四1，有四个面：
faces = [1 2 3; 1 2 4; 1 3 4; 2 3 4] % Notice these are sorted
然后，我想这些存储在数据结构：
tet_for_face = cell(8,8,8) % 8 allows for the maximum node id
tet_for_face{1,2,3} = 1;
tet_for_face{1,2,4} = 1;
tet_for_face{1,3,4} = 1;
tet_for_face{2,3,4} = 1;
这意味着，我可以找到为O任何特定面部的四ID（1）：
tet_for_face{2,3,3}
ans = []
tet_for_face{2,3,4}
ans = 1
这种方法的问题在于，它需要连续的内存。 正如我的网越大，我耗尽内存：
cell(1000, 1000, 1000)
??? Error using ==> cell
Out of memory. Type HELP MEMORY for your options.
我也使用嵌套细胞发挥各地：
tet = cell(num_nodes, 1);
tet2 = cellfun(@(x) cell(num_nodes, 1), tet, 'UniformOutput', 0);
tet3 = cellfun(@(x) cellfun(@(y) cell(num_nodes, 1), x, 'UniformOutput', 0), tet2, 'UniformOutput', 0);
tet3{2}{3}{4} = 1;
...
虽然这适用于小型的网格，并且不需要连续存储器（AFAIK），它具有与N = 1000崩溃MATLAB的坏习惯。
有任何想法吗？
有点稀疏阵列（只能是一维或二维，三维不）打球，而不是在任何地方得到之后，我决定去与containers.Map（HashMap中）。
我用字符串键，我发现他们生产的最快的方法，我发现用sprintf的（而不是int2str或mat2str）
示例代码：
tet = containers.Map;
for tetra_id in tetras
for face in faces
face_key = sprintf('%d ', face);
tet(face_key) = tetra_id;
这给了我一张地图，如下所示：
tet('1 2 3') = 1
您可以使用稀疏矩阵处理与网格所产生的诸多问题。 这取决于你想在实践中，这种数据结构做什么，但这里是一个例子：
% tetras and faces are transposed - column-wise storage
tetras = [1 2 3 4; 5 6 7 8]';
faces = [1 2 3; 1 2 4; 1 3 4; 2 3 4]';
ntetras = size(tetras, 2);
nfaces = size(faces, 2);
nfacenodes = size(faces, 1);
% construct face definitions for all tetras
tetras_faces = reshape(tetras(faces, :), nfacenodes, ntetras*nfaces);
% assign the faces to tetras keeping the face id within the tetra, if you need it
enum_faces = repmat(1:ntetras*nfaces, nfacenodes, 1);
% create a sparse matrix connecting tetra faces to tetras.
% Every column contains 3 non-zeros - 1 for every node in a face
% The number of matrix columns is ntetras*nfaces - 4 columns for every element.
A = sparse(tetras_faces, enum_faces, 1);
现在，提取你需要，你可以通过按住你正在寻找的面部信息的矢量乘以信息：
v = sparse(ntetras*nfaces, 1);
v([1 2 3]) = 1;
tetra_id = ceil(find(A*v==nfacenodes)/nfaces)
请注意，这只是一个例子。 您可以提取更多的有用信息，这样一来，你可以执行使用矩阵的矩阵乘法，而不是矩阵向量乘法更复杂的搜索。
