范数与距离

本文深入探讨了范数与距离的关系,包括汉明距离、曼哈顿距离、欧式距离、切比雪夫距离和马氏距离的概念、公式及其应用场景。汉明距离用于衡量二进制码差异,曼哈顿距离对应于1范数,欧式距离是最常见的距离定义,切比雪夫距离考虑最大分量差异,而马氏距离则综合考虑数据的协方差。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

        本节从范数入手,探讨 范数 与 距离 之间的关系。

何谓范数?

        向量的范数 可以简单形象的理解为向量的长度,或者两个点之间的距离。

        向量的 p范数 定义为:

       

汉明距离:

        汉明距离 是指各个位之间的差异,来源于二进制码。

        比如 11010110 之间的汉明距离是 3(红色标记位不同)。

        公式描述为:

       d(x,y) = ∑x[i]⊕y[i]

        汉明距离也被称为 0范数

曼哈顿距离:

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值