大数据计算理论基础[2014-05]陈国良解释.ppt

* * * * * * * * 完全支撑点空间 把所有的点都选为支撑点：P=S，M→RnIS,d(S) = {xS|xS = IS,d(x) = (d(x,x1), d(x,x2), … , d(x,xk)), x∈S} 5、支撑点空间：度量空间的坐标化 * x1 x2 …… xn x1 d(x1, x1) d(x1, x2) …… d(x1, xn) x2 d(x2, x1) d(x2, x2) …… d(x2, xn) … …… …… …… …… … …… …… …… …… xn d(xn, x1) d(xn, x2) …… d(xn, xn) 6、数据划分技术 在度量空间中，我们可按数据到支撑点的远近距离进行如下3种划分 超平面（Hyper-plane）划分 选择中心点C1和C2； 划一超平面L（将C1和C2的连线垂直平分）； 数据按距离C1和C2的远近划分之。 * C1 C2 L Left of L Right of L C1,C2 6、数据划分技术 有利点（Vantage Point）划分 选择有利点VP1，以VP1为圆心、R1为半径画圆； 数据按位于圆内、外划分之； 再从圆内、外分别选择有利点VP21、VP22，分别以R21和R22为圆心画圆。 * d(VP1, x)≤R1 d(VP1, x)R1 VP1,R1 d(VP22, x)≤R22 d