c – 矢量量化中的马哈拉诺比斯距离与欧几里德距离

我使用C在OpenCV中完成了Kmeans聚类,并且有12个聚类中心(每个都有200个维度).

现在,我有200个维度的一组点,我正在尝试找到最接近的聚类(矢量量化).

哪个距离优于另一个距离(Mahalanobis距离或欧几里德距离)？目前我正在使用欧几里德距离.

解决方法:

Andrey’s point是有效的.我可以添加一般性声明：

对于马哈拉诺比斯距离,您需要能够正确估计每个群集的协方差矩阵.使用200维度,您可以期望对协方差矩阵群集进行合理估计的唯一方法是具有数百到数千个数据点的数量级.再加上你拥有的12个集群,你很容易需要成千上万的数据点才能合理地使用马哈拉诺比斯距离.

除此之外：尝试欧几里德距离如何为您服务.如果结果合理,只要坚持下去,否则尝试Mahalanobis.

最后,您可能会在stats stackexchange上找到关于此主题的更多知识渊博的人.

标签：c,opencv,computer-vision,cluster-analysis
来源： https://codeday.me/bug/20190726/1539849.html