《模式识别原理、应用及实现》 课件 5.1相似性测度.pptVIP

5.1相似性测度武汉理工大学5.1.1距离聚类的概念1.概念：“物以类聚”聚类分析：根据模式之间的相似性对模式进行分类，是一种非监督分类方法。有个特征值则组成n维向量，称为该样本的特征向量。它相当于特征空间中的一个点，以特征空间中，点间的距离函数作为模式相似性的测量，以“距离”作为模式分类的依据，距离越小，越“相似”。2．相似性的含义注意：聚类分析是否有效，与模式特征向量的分布形式有很大关系。选取的特征向量是否合适非常关键。例：酱油与可乐。5.2.2相似性测度复习：已知向量，则：相似性测度：衡量模式之间相似性的一种尺度。如：距离。1.欧氏距离（Euclid，欧几里德）——简称距离设为两个维模式样本，注意：1）各特征向量对应的维上应当是相同的物理量；注意物理量的单位。(D_Distance)距离越小，越相似。欧氏距离定义为：某些维上物理量采用的单位发生变化，会导致对同样的点集出现不同聚类结果的现象。5.2.2相似性测度b(5,0)d(4,5)c(1,4)a(0,1)12345012345