相似性测度 ，常用相似测度 。内积： d(y)e x'y x2Iy2 。Tanimoto测度 Sr(X,y)≌ x"y +ly -x'y (,y)1 x-yl2 +ly2
常用相似测度 ◦ 内积： ◦ Tanimoto测度 2 2 ( , ) T d x y x y x y 2 2 2 2 ( , ) T T T s x y x y x y x y 2 2 2 ( , ) 1 c s x y x y x y
相似性测度 ,点到集合的距离 。最大距离： d(x,)maxd(x,y) y∈Ω 。最小距离： dmin(X,2)mind(xy） y∈Q 。平均距离： 4nx2eN∑dxy
点到集合的距离 ◦ 最大距离： ◦ 最小距离： ◦ 平均距离： max d d ( , ) max ( , ) y x x y min d d ( , ) min ( , ) y x x y min 1 d d ( , ) ( , ) N x x y
相似性测度 ,集合到集合的距离 。最大距离： dmax(2)max d(x,y) X∈21，y∈22 最小距离：dn(2,2,)合.mi山d(xy） X∈21，y∈22 平均距离：dnm(Q,0,)合 A9 心距离：d③，Q,)兰m4mm：N
集合到集合的距离 ◦ 最大距离： ◦ 最小距离： ◦ 平均距离： ◦ 重心距离： 1 2 max 1 2 , d d ( , ) max ( , ) x y x y 1 2 min 1 2 , d d ( , ) min ( , ) x y x y 1 2 min 1 2 1 2 , 1 d d ( , ) ( , ) N N x y x y min 1 2 1 2 1 d d ( , ) ( , ), N x m m m x
相似性测度 https://en.wikipedia.org/wiki/Total_variation _distance_of_probability_measures https://en.wikipedia.org/wiki/Total_variation ，函数的距离 。总变差(Total variation) ·一维： ()=f(✉dr ·高维： V(f,)=IVf()|dz. ·离散情况： ·差分向量的1范数距离
函数的距离 ◦ 总变差（Total variation） 一维： 高维： 离散情况： 差分向量的1范数距离。 https://en.wikipedia.org/wiki/Total_variation https://en.wikipedia.org/wiki/Total_variation _distance_of_probability_measures
相似性测度 https://en.wikipedia.org/wiki/Jensen% E2%80%93Shannon_divergence ,函数的距离 。KL散度(Kullback-Leibler divergence) KL(P.P)-os (a) oJS距离(Jenson-Shannon divergence) JS(PP)-KL(PlLP)+KL(PlPm) M=P/2+Pg/2
函数的距离 ◦ KL散度（Kullback-Leibler divergence） ◦ JS距离（Jenson-Shannon divergence） https://en.wikipedia.org/wiki/Jensen% E2%80%93Shannon_divergence