转载 向量相似度匹配之“闵可夫斯基距离” 闵可夫斯基距离

原文地址:向量相似度匹配之“闵可夫斯基距离”作者:大嘴说图像

这篇文章是大嘴在网上摘录并整理过来的:

一般而言,定义一个距离函数 d(x,y), 需要满足下面几个准则:

1) d(x,x) = 0 // 到自己的距离为0 2) d(x,y) >= 0 // 距离非负3) d(x,y) = d(y,x)

// 对称性: 如果 A 到 B 距离是 a,那么 B 到 A 的距离也应该是 a 4) d(x,k) d(k,y)>= d(x,y) // 三角形法则: (两边之和大于第三边)

闵可夫斯基距离:

闵可夫斯基距离(Minkowski distance)是衡量数值点之间距离的一种非常常见的方法,假设数值点 P 和 Q坐标如下:

那么,闵可夫斯基距离定义为:

该距离最常用的 p 是 2 和 1, 前者是欧几里得距离(Euclideandistance),后者是曼哈顿距离(Manhattan distance)。假设在曼哈顿街区乘坐出租车从 P 点到 Q点,白色表示高楼大厦,灰色表示街道:

[转载]向量相似度匹配之“闵可夫斯基距离” 闵可夫斯基距离

绿色的斜线表示欧几里得距离,在现实中是不可能的。其他三条折线表示了曼哈顿距离,这三条折线的长度是相等的。

当 p 趋近于无穷大时,闵可夫斯基距离转化成切比雪夫距离(Chebyshev distance):

(点击切换版式)

我们知道平面上到原点欧几里得距离(p = 2)为 1 的点所组成的形状是一个圆,当 p 取其他数值的时候呢?

注意,当 p < 1 时,闵可夫斯基距离不再符合三角形法则,举个例子:当 p< 1, (0,0) 到 (1,1) 的距离等于 (1 1)^{1/p}> 2, 而 (0,1) 到这两个点的距离都是 1。

闵可夫斯基距离比较直观,但是它与数据的分布无关,具有一定的局限性,如果 x 方向的幅值远远大于 y方向的值,这个距离公式就会过度放大 x 维度的作用。所以,在计算距离之前,我们可能还需要对数据进行 z-transform处理,即减去均值,除以标准差:

可以看到,上述处理开始体现数据的统计特性了。这种方法在假设数据各个维度不相关的情况下利用数据分布的特性计算出不同的距离。如果维度相互之间数据相关(例如:身高较高的信息很有可能会带来体重较重的信息,因为两者是有关联的),这时候就要用到马氏距离(Mahalanobisdistance)了。

===============

感谢大家的支持,由于时间太紧(经常加班到很晚),很多地方大嘴只能大概介绍,会较广,但未必很细,这里只给您指出知识的一个方向,至于深度上,还请大家根据感兴趣的文章多搜集资料,大嘴也在不断学习中,一起努力吧!

===============

声明:

  

爱华网本文地址 » http://www.413yy.cn/a/25101011/47834.html

更多阅读

英雄联盟惩戒之箭韦鲁斯出装 惩戒之箭韦鲁斯皮肤

英雄联盟惩戒之箭韦鲁斯出装——简介韦鲁斯相信大家都不陌生吧,有控制技能的adc,唯一缺点就是没有位移技能,也可属于是爆发型adc,相信对他的出装也不陌生吧。英雄联盟惩戒之箭韦鲁斯出装——方法/步骤英雄联盟惩戒之箭韦鲁斯出装 1、首

浅谈空间背景音乐转载至百度空间绘梦之卷 绘梦之卷 周杰伦

注册网盘,上传音乐文件接下来该把我们刚才处理过的歌曲上传到网盘获取外链了!支持外链的免费网盘真可以说是凤毛麟角,我前前后后找了20多个网盘,国内的国外的,不是不支持外链就是网速过慢!(还有的广告太多,直接摈弃)最终锁定以下的两个网盘(

天降之物fForte阿斯特里亚_Usagi 天降之物f

阿斯特里亚也周边化了!「天降之物fForte阿斯特里亚」官图测评アストレアもデフォルメ!「そらのおとしものf アストレア」サンプルレビューフィギュアメーカー あみあみより、2011年4月に発売予定のそらのおとしもの f(フォルテ)アストレ

声明:《转载 向量相似度匹配之“闵可夫斯基距离” 闵可夫斯基距离》为网友旧楼天台分享!如侵犯到您的合法权益请联系我们删除