Formelsammlung für Mathematik, Physik, Astronomie, Chemie, Biologie und Informatik
Goldbarren kaufen
  Startseite Formelsammlung bookmarken Bookmark setzen Sitemap anzeigen Sitemap Impressum anzeigen Impressum
 
» Formelsammlung:
» Startseite
» Astronomie
» Biologie
» BWL
» Chemie
» Informatik
» Mathematik
» Physik

» Interaktiv:
» Forum
» Lexikon
» Mitmachen
» Links zu Uns
» Surftipps

» Informationen:
» Kontakt
» Impressum
» Über Formel-Sammlung.de

» Partnerseiten:
  www.schuelerlexikon.de

» Partner:
  Etiketten
Kostenlose Kochrezepte
Künstler Verzeichnis
Schilder
Spieleforum
Witze & SMS Sprüche

Distanzfunktion



Sie befinden Sie in: Formelsammlung Lexikon > d > Distanzfunktion
Distanzfunktion

Distanzfunktionen oder Ähnlichkeitsmaße beschreiben den Grad der Übereinstimmung von Vektoren.

In typischen Anwendungen stellen die Vektoren Folgen von Messwerten dar. Ähnlichkeitsmaße werden in Auswertemethoden wie dem Vektorraum-Retrieval und dem Clustering benutzt.

Als Distanzfunktion lassen sich verschiedene Metriken verwenden. Distanzfunktionen werden oft auch unpräzise als Metrik bezeichnet; nicht alle Distanzfunktionen sind jedoch Metriken im streng mathematischen Sinne.

Inhaltsverzeichnis
1 Häufig verwendete Distanzfunktionen

1.1 Euklidischer Abstand
1.2 City-Block- bzw. Manhattan-Distanz
1.3 Cosinus-Distanzfunktion
1.4 Dice-Distanzfunktion
1.5 Jaccard- (oder Tanimoto)-Distanzfunktion
1.6 Mahalanobis-Distanz

 

Häufig verwendete Distanzfunktionen

 

Euklidischer Abstand

d(x,y) = |x-y| = \sqrt{\sum_{i=1}^n (x_i-y_i)^2}

 

 

City-Block- bzw. Manhattan-Distanz

d(x,y) = \sum_{i=1}^n |x_i-y_i|


Siehe auch: Normierter Raum

 

Cosinus-Distanzfunktion

Es wird vorausgesetzt, dass wir einen Vektorraum über den reellen Zahlen haben.

Die Distanz ist der Cosinus des Winkels zwischen den Vektoren

d(x,y) = \cos \alpha(x,y) = \frac{x\cdot y}{|x| |y|} = \frac {\sum_{i=1}^n x_i y_i}{\sqrt{\sum_{i=1}^n x_i^2} \sqrt{\sum_{i=1}^n y_i^2}}

Dabei ist |x| = \|x\|_2.

 

Dice-Distanzfunktion

d(x,y) =  \frac {2 x \cdot y}{ x^2 + y^2 } = \frac {2 \sum_{i=1}^n x_i y_i}       {\sum_{i=1}^n x_i^2 + \sum_{i=1}^n y_i^2}

Dabei ist x^2 = x \cdot x = \langle x, x \rangle.

 

Jaccard- (oder Tanimoto)-Distanzfunktion

d(x,y) =  \frac {x \cdot y}{ x^2 + y^2 - x \cdot y} = \frac {\sum_{i=1}^n x_i y_i}       {\sum_{i=1}^n x_i^2 + \sum_{i=1}^n y_i^2 - \sum_{i=1}^n x_i y_i}

 

Mahalanobis-Distanz


Lexikon Eintrag Drucken | Dokument als PDF downloaden
Dieser Artikel stammt aus Wikipedia, der freien Enzyklopädie
und steht unter der GNU Free Documentation Licence. 

zum Seitenanfang

» Formel Suche:
  Gebe einfach den Gesuchten Begriff ein.
 
 
» Unterstüzt von:
Duden Paetec Schulbuchverlage

zum Formelsammlung Forum

» Anzeigen:
 
 
       
Diese Seite wurde in 0.006 Sekunden erstellt - 43 Besucher Online.
© 2004 by Formel-Sammlung.de & DUDEN PAETEC GmbH Alle Rechte vorbehalten