计算马氏距离的软件

计算马氏距离的软件

cad

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，两个向量之间的欧氏距离计算公式如下： 其中x，y分别是m维的向量。 马氏距离 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。 本文来自csdn博客，转载请标明出处：http://blog.csdn.net/gengxt2003/archive/2007/02/12/1508371.aspx