曼哈顿距离和欧式距离

简介: 曼哈顿距离和欧式距离

之前在很多算法中都是使用的欧式距离。对于它的公式无感。
image.png
但是在2维平面上,就十分有感觉了,就是两点的直线距离。
image.png
而曼哈顿距离,就是三角形的两条边之和。
image.png
上图中,绿色的是欧式距离,红色的是曼哈顿距离,蓝色和黄色是曼哈顿等价距离。

曼哈顿距离的含义
规划为方型建筑区块的城市(如曼哈顿),两点间最短的行车路径。
欧式距离的含义
两点的直线距离,不考虑建筑物的阻挡。

在特征匹配的算法中,何时用何种距离更合适呢?

目录
相关文章
五种常用距离的代码实现:欧式距离、曼哈顿距离、闵可夫斯基距离、余弦相似度、杰卡德距离
五种常用距离的代码实现:欧式距离、曼哈顿距离、闵可夫斯基距离、余弦相似度、杰卡德距离
|
1月前
|
算法
欧几里得
欧几里得
18 4
|
1月前
|
机器学习/深度学习 算法 前端开发
公交站间的距离
公交站间的距离
29 0
二维平面的欧几里得距离
二维平面的欧几里得距离
|
10月前
|
机器学习/深度学习 算法 Python
欧几里得距离(Euclidean distance)
欧几里得距离(Euclidean distance)是在数学中常用于衡量两个点之间的距离的一种方法。它在几何学和机器学习等领域都有广泛的应用。欧几里得距离基于两点之间的直线距离,可以看作是在一个多维空间中测量两个点之间的直线距离。
434 1
|
9月前
|
算法 Perl
豪斯多夫(Hausdorff)距离
豪斯多夫距离量度度量空间中真子集之间的距离。Hausdorff距离是另一种可以应用在边缘匹配算法的距离,它能够解决SED方法不能解决遮挡的问题。
388 0
|
机器学习/深度学习 搜索推荐 数据挖掘
常见的几种距离量度(欧式距离、曼哈顿距离、切比雪夫距离等)
在机器学习和数据挖掘中,我们经常需要计算样本之间的相似度,通常的做法是计算样本之间的距离。本文介绍几种常用的距离量度方法。
480 0
|
编译器 C语言 C++
移动距离
X星球居民小区的楼房全是一样的,并且按矩阵样式排列。其楼房的编号为1,2,3... 当排满一行时,从下一行相邻的楼往反方向排号。 比如:当小区排号宽度为6时,开始情形如下:
126 1
移动距离