%0 Journal Article
%T ？马氏度量学习中的几个关键问题研究及几何解释*
%A ？杨绪兵**
%A 王一雄
%A 陈斌
%J 南京大学学报(自然科学)
%P 133-141
%D 2013
%R 10.13232/j.cnki.jnju.2013.02.001
%X ？采用距离度量模式的相似性(或不相似性)己广泛应用于模式识别和机器学习等领域.最常用的度量是欧氏距离和马氏距离(mahalanobisdistance).欧氏距离虽然计算相对简单，但由于存在无法结合先验知识、同等看待样木等局限性，常无法满足实际需要.解决此类问题的有效手段之一就是采用非欧氏度量，如马氏度量.马氏度量不仅能够结合数据的统计特性，还能兼顾样木间的相关性.讨论马氏距离度量的相关性质，并给予证明，主要包括:(1)两种度量的区别与联系;(2)在马氏距离度量下导出的点到平面(超平面)距离公式及投影公式;(3)两种度量是距离保持的.最后，给出相关实验验证.
%K 欧氏距离
%K 马氏距离
%K 度量学习
%K 相似性
%U http://jns.nju.edu.cn/oa/DArticle.aspx?type=view&id=201302001