相似度测量之距离.docVIP

相似度测度 在模式识别中，衡量和评估模式与模式之间相似度的标准或者准则是相似度测度，包括距离和角度两个方面。 距离：不同应用环境中对向量与向量距离的广义定义 欧式距离（Euclid） 定义：欧式距离即欧几里德度量，它是被定义在欧几里德空间中。 公式： 定义点 总结：X与Y的距离实质是（X-Y）的模：，计算该距离之前要标准化模式向量单位 马氏距离（Mahalanobis） 定义：马氏距离表示数据的协方差距离，是有效计算未知样本集的相似度的方法 公式： 定义多变量向量，其均值为，协方差矩阵为 定义服从同一分布，且协方差矩阵为的随机变量，则差异度： 总结：当=1时马氏距离就是欧氏距离；马氏距离能够考虑到各个样本特征之间的相互联系且尺度无关 明氏距离（Minkowaki） 定义：明氏距离表示的是样本之间的街坊距离，如下图： 公式： 总结：当m=2是明氏距离与街坊距离相等 汉明距离（Hamming） 定义：汉明距离用于信息论中，它对应的是两个等长的字符串在相同位置上不同字符的个数。汉明重量是指一个字符串相对于与它等长的零字符串的汉明距离。 10011与11001的汉明距离是2， 10011的汉明重量是3 总结：汉明距离是在信息误差检测和矫正码领域提出来的； 信号距离：在数据传输过程中信号数据位发生翻转的次数； 编辑距离（Levenshtein）：两个字符之