聚类（clustering）中的欧式空间与非欧式空间

最近在读聚类文章中欧式空间和非欧式空间的概念时，对此多有些疑惑，下面对此概念写出目前的一些理解

表示n个样本，每个样本具有m个特征度量，那么矩阵X依据行和列就组成了一个超空间。它比二维、三维的维度更广。

根据现在的理解，基于矩阵分解的聚类在原始数据维度X进行的度量，例如角度、距离等由二维、三维空间拓展过去的概念操作时，可以认为是在欧式空间进行的度量

如果我们跳出这个超空间，做一个相似矩阵的构造，例如依据某种相似性度量方法对每个样本之间进行度量，得到以样本为顶点的图,其中V为顶点（代表样本），E为顶点之间的权重。那么依据数据结构知识，G依旧可以写成一个邻接矩阵形式，那么G也就构成了一个n维空间的超空间。

目前的理解来看，非欧空间就是指脱离原始数据空间的一个度量，一个例子就是对原始数据构建相似矩阵（affinity matrix）来进行度量的情况。