利用IDL计算马氏距离

利用IDL计算马氏距离

目录

用 [TOC]来生成目录：

马氏距离

马氏距离(Mahalanobis distance)是由印度统计学家马哈拉诺比斯(P. C. Mahalanobis)提出的，表示数据的协方差距离。它是一种有效的计算两个未知样本集的相似度的方法。与欧氏距离不同的是它考虑到各种特性之间的联系（例如：一条关于身高的信息会带来一条关于体重的信息，因为两者是有关联的）并且是尺度无关的(scale-invariant)，即独立于测量尺度。对于一个均值为$\mu$，协方差矩阵为$\sum$的多变量向量，其马氏距离为$\sqrt{(x-\mu)^{T}\sum^{-1}(x-\mu)}$。摘自百度百科

x为一维或多维向量，假定为n维向量，并有m个样本（$x_1,x_2,x_3,\cdots,x_m$），那么向量$\mu$即为样本集合的均值。向量$x_1$与向量 μ