模式识别相似性测度距离计算---欧式距离
2016-03-01 14:41
701 查看
欧氏距离定义: 欧氏距离( Euclidean distance)是一个通常采用的距离定义,它是在m维空间中两个点之间的真实距离。
对于n维空间,欧式距离的公式是
d=sqrt( ∑(xi1-xi2)^ ) 这里i=1,2..n
xi1表示第一个点的第i维坐标,xi2表示第二个点的第i维坐标
n维欧氏空间是一个点集,它的每个点可以表示为(x(1),x(2),…x(n)),其中x(i)(i=1,2…n)是实数,称为x的第i个坐标,两个点x和y=(y(1),y(2)…y(n))之间的距离d(x,y)定义为上面的公式.
欧氏距离看作信号的相似程度。 距离越近就越相似,就越容易相互干扰,误码率就越高。
但是这种度量方式存在将样本每个位置的权重对总体的影响认为是均等的,会导致有时不能够满足实际的要求。
对于n维空间,欧式距离的公式是
d=sqrt( ∑(xi1-xi2)^ ) 这里i=1,2..n
xi1表示第一个点的第i维坐标,xi2表示第二个点的第i维坐标
n维欧氏空间是一个点集,它的每个点可以表示为(x(1),x(2),…x(n)),其中x(i)(i=1,2…n)是实数,称为x的第i个坐标,两个点x和y=(y(1),y(2)…y(n))之间的距离d(x,y)定义为上面的公式.
欧氏距离看作信号的相似程度。 距离越近就越相似,就越容易相互干扰,误码率就越高。
但是这种度量方式存在将样本每个位置的权重对总体的影响认为是均等的,会导致有时不能够满足实际的要求。
相关文章推荐
- 使用 wget 判断 Web 是否宕机的脚本
- java基础--ThreadPoolExecutor源码分析
- Service和Activity通讯的3种常用方式
- Http请求备忘httppost
- 【长期兼职】每天3小时写作=每月4000元外快(IT兼职写手)
- MSDN在线
- linux下svn命令大全
- 浅析python 中__name__ = '__main__' 的作用
- JAVA之DecimalFormat的用法---用户格式化数据
- LINUX ulimit命令
- Java工具类中注入Bean
- hive查询语法
- 解决android:background背景图片被拉伸问题
- css笔试题
- 不兼容结构的协调——适配器模式
- MySQL授权
- 一次开发逻辑规范的总结
- 常见的排序算法及python实现
- 前端之JavaScript第三天学习(8)-JavaScript-对象
- HTTP协议的安全性--全站HTTPS