常用计算
相似度测量:衡量模式之间相似性的一种尺度。
![在这里插入图片描述](https://img-blog.csdnimg.cn/3f2702a7997049078bbc24d465c03778.png)
1.欧氏距离
![在这里插入图片描述](https://img-blog.csdnimg.cn/aa326217296b4a53adaf7b4e39967190.png)
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。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。
- (2)解决方法:使特征数据标准化,使其与变量的单位无关。
![在这里插入图片描述](https://img-blog.csdnimg.cn/0208cbb204b9468b978998175245a6e2.png#pic_center)
2.马氏距离
![在这里插入图片描述](https://img-blog.csdnimg.cn/3bdb3a7abc8a427c9c45502da23af9ce.png)
![在这里插入图片描述](https://img-blog.csdnimg.cn/f60d83fb24f74c4bb1f7ec904dbae71b.png)
优点:排除了模式样本之间的相关影响。当C=I时,马氏距离为欧氏距离。
3.明氏距离
![在这里插入图片描述](https://img-blog.csdnimg.cn/713d955c139d4e68b9079a5ec6fe97c4.png)
4.汉明距离
![在这里插入图片描述](https://img-blog.csdnimg.cn/1ab9369760d94ff69e8f0c32417ff19a.png)
5.角度相似性函数
![在这里插入图片描述](https://img-blog.csdnimg.cn/5345d63d893c43e1ab887696ade3f174.png)
6.Tanimoto测度
![在这里插入图片描述](https://img-blog.csdnimg.cn/907a31fdeec3425fb3c873eecde58bbf.png)
本文内容参考:
中国大学慕课武汉理工大学《模式识别》
如有错误或者不足之处,欢迎大家留言指正!