欧几里德距离(Euclidean Distance),欧氏距离。一种通常采用的表示相似度的距离定义,是表示在m维空间中两个点之间的真实距离。

对于n维空间中的两个点之间的欧几里得距离d(i,j)表示为:

d(i,j) = (|xi1-xj1|2+|xi2-xj2|2+……+|xip-xjp|2)1/2

当n=2时,表示二维空间两点(x1,y1),(x2,y2)之间的距离。

欧氏距离应用:

1、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。

2、数字图像处理中的欧氏距离变换。指对于一张二值图像(假定白色为前景色,黑色为背景色),将前景中的像素值转化为该点到最近的背景点的距离。欧氏距离变换通常对于图像的骨架提取,是一个很好的参照。

缺点:对于不同对象的不同属性(各标量或变量)之间的差别等同看待,不能满足实际的要求。因此,有时需要采用不同的距离函数。

曼哈坦距离

d(i,j)=|xi1-xj1|+|xi2-xj2|+……|xip-xjp|

即在欧几里德空间的固定直角坐标系上两点所形成的线段对轴产生的投影的距离总和。

上面的两个公式必须满足下面的条件:

d(i,j)≧0:距离非负。

d(i,i)=0:对象与自身的距离为0。

d(i,j)=d(j,i):距离函数具有对称性。

d(i,j)≦d(i,h)+d(h,j):对象i到对象j的距离小于等于途经其他任何对象h的距离之和。

明考斯基距离

是以上两中距离计算公式的概括,其具体的公式如下:

d(i,j) = (|xi1-xj1|q+|xi2-xj2|q+……+|xip-xjp|q)1/q

当q=1时该公式就是曼哈坦距离公式;当q=2时,是欧几里得距离公式。

参考网页1

参考网页2

区分 欧几里得距离 曼哈坦距离 明考斯基距离相关推荐

  1. 欧几里得距离 曼哈坦距离 明考斯基距离

    欧几里得距离: d(i,j) = (|xi1-xj1|2+|xi2-xj2|2+--+|xip-xjp|2)1/2 这里i=(xi1,xi2,--,xip)和j=(xj1,xj2,--,xjp)是两个 ...

  2. 相似度计算(3)——欧式距离和闵克夫斯基距离

    欧式距离和闵克夫斯基距离 一.欧式距离 1.定义   欧式距离(欧几里得距离,欧几里得度量),是一个通常采用的距离定义,指在m维空间中两个点之间的真实距离,或者向量的自然长度(即该点到原点的距离).在 ...

  3. 机器学习几种距离比较:欧拉距离(Euclidean Distance)、曼哈顿距离(Manhattan Distance)和明可夫斯基距离(Minkowski Distance)

    1.欧拉距离 二维: 三维: 一般地, 简写为: 2.曼哈顿距离 3.明可夫斯基距离 对比欧拉距离和曼哈顿距离, 将欧拉距离公式中根号写成1/2形式, 改写成相似形式有, 由距离的相似性,可写成一般形 ...

  4. 《失去的胜利》,曼施坦因。

    <失去的胜利>,曼施坦因. 弗里茨.埃里希.冯.曼施坦因 1887年 11月24日 出生于德国柏林. 1913年 进入柏林军事学院. 1914年-1918年 参加第一次世界大战. 1939 ...

  5. 目标跟踪:Deepsort--卡尔曼滤波、匈牙利匹配、马氏距离、欧氏距离、级联匹配、reid

    本篇文章供自己学习回顾,其中错误希望指出! 先把目标跟踪中涉及到的名词抛出来: 1.卡尔曼滤波. 2.匈牙利匹配:https://blog.csdn.net/DeepCBW/article/detai ...

  6. 2个点马氏距离计算实例_数据分析基础:距离度量方式(欧式距离、马氏距离、曼哈顿距离)...

    数据分析中,为了评定数据之间的相似度,有很多不同的距离的计算方法,如欧氏距离,马氏距离等等. 欧氏距离 Euclidean distance:欧几里得距离,m维空间中两个点之间的真实距离 离差平方和, ...

  7. 各种距离 欧式距离、曼哈顿距离、切比雪夫距离、闵可夫斯基距离、标准欧氏距离、马氏距离、余弦距离、汉明距离、杰拉德距离、相关距离、信息熵...

    1. 欧氏距离(Euclidean Distance) 欧氏距离是最容易直观理解的距离度量方法,我们小学.初中和高中接触到的两个点在空间中的距离一般都是指欧氏距离. 二维平面上点a(x1,y1)与b( ...

  8. 【机器学习】距离度量中常见的距离计算公式

    机器学习:距离度量 欧式距离(Euclidean Distance) 曼哈顿距离(Manhattan Distance) 切比雪夫距离 (Chebyshev Distance) 闵可夫斯基距离(Min ...

  9. js,jquery获取页面元素距离浏览器工作区顶端的距离

    先介绍几个属性:(暂时只测了IE和firefox,实际上我工作中用到的最多的是chrome)  网页被卷起来的高度/宽度(即浏览器滚动条滚动后隐藏的页面内容高度) (javascript)       ...

最新文章

  1. 一步步教你在以太坊发行自己的数字货币
  2. boost::variant2模块实现复制分配的测试程序
  3. Mybatis(笔记)
  4. 工作记录二-Docker+Dockerfile
  5. 想做大数据的,可以看看这个学习路线,超全!
  6. informatica中元数据管理
  7. 提升开发效率之命名规范
  8. 云计算与虚拟化工具之KVM,KVM和VMware的区别
  9. 关于Jqueryweui 的select联动用法
  10. 又是灵格斯导致软件自动关闭
  11. 关于Cortex-M3 DesignStart ICODE DCODE ITCM DTCM 以及MemoryMap的划分
  12. 一炉真香起静中开鸿蒙翻译,【真 香】_古籍全文检索_诗词名句网
  13. 常用计算机检索算符,在计算机检索中,常用的布尔逻辑算符有哪几种
  14. 开源软件的许可证(License)
  15. Python PrettyTable 模块(美化库)
  16. 听书类APP消息功能竞品分析
  17. 数学建模微分方程导弹问题matlab求解,Matlab建模—导弹追踪问题
  18. signature=54cb1c123491dc1a268a21f3502cccfc,汉隶《曹全碑》精讲精练
  19. 有服务器必须要虚拟主机吗,有服务器还要虚拟主机吗
  20. latex 矩阵叫行列编号

热门文章

  1. java mvc view_对Springmvc view层的理解
  2. mapgis矢量化怎么打分数_mapgis矢量化的详细工作流程
  3. 哪些人适合学web前端培训呢
  4. web前端开发培训有哪些学习阶段
  5. 数据中心建设“优劣”在于这几个关键问题
  6. 快速把web项目部署到weblogic上
  7. 红旗Linux认证简介
  8. 捕获Camera并保存图片到本地(照相功能) -samhy
  9. 如何找回丢失的Vista系统“休眠”菜单
  10. 机器学习中的梯度下降法