码迷,mamicode.com
首页 >  
搜索关键字:欧氏距离    ( 135个结果
机器学习中的相似性度量
在做分类时常常需要估算不同样本之间的相似性度量(Similarity Measurement),这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究,甚至关系到分类的正确与否。 本文的目的就是对常用的相似性度量作一个总结。本文目录:1. 欧氏距离2. 曼....
分类:其他好文   时间:2014-07-22 23:15:15    阅读次数:302
动态时间规整DTW
来源:在日常的生活中我们最经常使用的距离毫无疑问应该是欧式距离,但是对于一些特殊情况,欧氏距离存在着其很明显的缺陷,比如说时间序列,举个比较简单的例子,序列A:1,1,1,10,2,3,序列B:1,1,1,2,10,3,如果用欧氏距离,也就是distance[i][j]=(b[j]-a[i])*(b...
分类:其他好文   时间:2014-05-28 01:47:15    阅读次数:402
基于ARMA模型的ECG聚类算法研究
摘要: 对心电信号( ECG) 这种高维的时间序列进行聚类,最重要的方面之一即进行特征提取!本研究提出利用自回归和移动平均( ARMA)模型拟合?ZK 信号,以拟合系数的欧氏距离为结构不相似测度征进行聚类!但此方法没有考虑样本数据的各维特征对聚类的不同贡献率,所以本文提出可以把首次聚类每维特征在聚类...
分类:其他好文   时间:2014-05-23 05:45:57    阅读次数:196
转:径向基核函数
转:径向基核函数 (2011-05-20 16:53:54)转载▼分类: AboutResearch 所谓径向基函数 (Radial Basis Function 简称 RBF), 就是某种沿径向对称的标量函数。 通常定义为空间中任一点x到某一中心xc之间欧氏距离的单调函数 ,可记作 k(||x.....
分类:其他好文   时间:2014-05-15 17:01:50    阅读次数:373
特征选择(四)-分散度
度量类别可分离性的量主要有: 欧氏距离(正态分布,协方差相等,且为单位阵) 是最简单的一种描述方法。它把两个类别中心之间的欧式距离作为两个不同类别间不相似性的度量。 马氏(Mahalanobis)距离(正态分布,协方差相等) 它用来描述两个具有相同的协方差矩阵C,不同的期望值和的类别之间的不相似性,具体表达式是: Mahalanobis距离...
分类:其他好文   时间:2014-05-13 09:08:38    阅读次数:337
135条   上一页 1 ... 12 13 14
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!