matlab调用巴氏距离,巴氏距离 Bhattacharyya

欧氏距离：(∑(Xi-Yi)2)1/2，即两项间的差是每个变量值差的平方和再平方根，目的是计算其间的整体距离

即不相似性。

我们熟悉的欧氏距离虽然很有用，但也有明显的缺点。它将样品的不同属性(即各指标或各变量)之间的差别等

同看待，这一点有时不能满足实际要求。例如，在教育研究中，经常遇到对人的分析和判别，个体的不同属性对

于区分个体有着不同的重要性。因此，有时需要采用不同的距离函数。

如果用dij表示第i个样品和第j个样品之间的距离，那么对一切i，j和k，dij应该满足如下四个条件：

①当且仅当i=j时，dij=0

②dij＞0

③dij＝dji(对称性)

④dij≤dik＋dkj(三角不等式)

显然，欧氏距离满足以上四个条件。满足以上条件的函数有多种，本节将要用到的马氏距离也是其中的一种。

第i个样品与第j个样品的马氏距离dij用下式计算：

dij=(xi一xj)'S-1(xi一xj)

其中，xi和xj分别为第i个和第j个样品的m个指标所组成的向量，S为样本协方差矩阵。

马氏距离有很多优点。它不受量纲的影响，两点之间的马氏距离与原始数据的测量单位无关；由标准化数据和中

心化数据(即原始数据与均值之差)计算出的二点之间的马氏距离相同。马氏距离还可以排除变量之间的相关性的

干扰。它的缺点是夸大了变化微小的变量的作用。

In statistics, the Bhattacharyya distance

measures t