欧几里得距离定义： 欧几里得距离（ Euclidean distance）也称欧式距离，它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。 在二维和三维空间中的欧式距离的就是两点之间的距离，二维的公式是 d = sqrt((x1-x2)^+(y1-y2)^) 三维的公式是 d=sqrt((x1-x2)^+(y1-y2)^+(z1-z2)^) 推广到n维空间，欧式距离的公式是 d=sqrt( ∑(xi1-xi2)^ ) 这里i=1,2..n xi1表示第一个点的第i维坐标,xi2表示第二个点的第i维坐标 n维欧氏空间是一个点集,它的每个点可以表示为(x(1),x(2),...x(n)),其中x(i)(i=1,2...n)是实数,称为x的第i个坐标,两个点x和y=(y(1),y(2)...y(n))之间的距离d(x,y)定义为上面的公式. 欧氏距离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。 所谓欧氏距离变换，是指对于一张二值图像（再次我们假定白色为前景色，黑色为背景色），将前景中的像素的值转化为该点到达最近的背景点的距离。 欧氏距离变换在数字图像处理中的应用范围很广泛，尤其对于图像的骨架提取，是一个很好的参照。 所谓欧氏距离变换，是指对于一张二值图像（再次我们假定白色为前景色，黑色为背景色），将前景中的像素的值转化为该点到达最近的背景点的距离。 欧氏距离变换在数字图像处理中的应用范围很广泛，尤其对于图像的骨架提取，是一个很好的参照。 ======== 欧氏距离：（∑（Xi-Yi）2）1/2，即两项间的差是每个变量值差的平方和再平方根，目的是计算其间的整体距离即不相似性。 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。
微站免费建设百度移动广告联盟邢台太行中学招聘郑州电力高等专科学校校训做医院公众号怎么制作胖东来商场设计深圳宝安玩野设计网站结构设计的步骤包括哈尔滨城市交通建设邢台最新通知seo外链网站宝安和龙华哪个区繁华百度搜索引擎的使用技巧互联网舆情研究中心是干嘛的安卓手机下软件的app大宗商品期货交易平台正规吗新生活cms订货下载免费听歌软件学网页设计培训多少钱小程序商城客服电话衡阳网站建设纯来认有为太极cc人体艺术汉中本地找工作爱查查企业查询官网常见的网络视频营销网站杭州公司交社保个人承担多少钱广州注册公司需要哪些材料web前端开发技术慕课版课后答案中国建设银行网页版快速排名优化推广公司oa系统维护