《模式识别原理、应用及实现》 课件 5.1相似性测度_第1页
《模式识别原理、应用及实现》 课件 5.1相似性测度_第2页
《模式识别原理、应用及实现》 课件 5.1相似性测度_第3页
《模式识别原理、应用及实现》 课件 5.1相似性测度_第4页
《模式识别原理、应用及实现》 课件 5.1相似性测度_第5页
已阅读5页，还剩5页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

5.1相似性测度武汉理工大学5.1.1距离聚类的概念1.概念：“物以类聚”

聚类分析：根据模式之间的相似性对模式进行分类，是一种非监督分类方法。

有个特征值则组成n维向量，称为该样本的特征向量。它相当于特征空间中的一个点，以特征空间中，点间的距离函数作为模式相似性的测量，以“距离”作为模式分类的依据，距离越小，越“相似”。2．相似性的含义注意：聚类分析是否有效，与模式特征向量的分布形式有很大关系。选取的特征向量是否合适非常关键。例：酱油与可乐。5.2.2相似性测度复习：已知向量，则：相似性测度：衡量模式之间相似性的一种尺度。如：距离。1.欧氏距离（Euclid，欧几里德）——简称距离

设为两个

维模式样本，注意：1）各特征向量对应的维上应当是相同的物理量；注意物理量的单位。(D_Distance)

距离越小，越相似。欧氏距离定义为：

某些维上物理量采用的单位发生变化，会导致对同样的点集出现不同聚类结果的现象。5.2.2相似性测度b(5,0)d(4,5)c(1,4)a(0,1)12345012345(a)2）解决方法：使特征数据标准化，使其与变量的单位无关。d(0.4,5)c(0.1,4)a(0,1)123450123b(0.5,0)(b)b(5,0)c(1,0.4)d(4,0.5)a(0,0.1)123012345(c)5.2.2相似性测度对n维向量：

,2.马氏距离(Maharanobis)

平方表达式：式中，

：模式向量；

：均值向量；

：该类模式总体的协方差矩阵。(M_Mean)

(C_covariance)5.2.2相似性测度

表示的概念是各分量上模式样本到均值的距离，也就是在各维上模式的分散情况。越大，离均值越远。优点：排除了模式样本之间的相关影响。当时，马氏距离为欧氏距离。5.2.2相似性测度当m=2时，明氏距离为欧氏距离。

维模式样本向量

间的明氏距离表示为：式中，分别表示的第

个分量。街坊欧氏3.明氏距离(Minkowaki)当m=1时：称为“街坊”距离(“Cityblock”distance)当k=2时：图示5.2.2相似性测度4．汉明(Hamming)距离

设为

维二值（1或－1）模式样本向量，则两个模式向量的各分量取值均不同：；全相同：式中，分别表示的第

个分量。汉明距离：5．角度相似性函数是模式向量之间夹角的余弦。5.2.2相似性测度6．Tanimoto测度用于0，1二值特征的情况，

相似性测度函数的共

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论