模式识别中的近邻性测度

崔荣一

（延边大学工学院计算机科学与技术系 智能信息处理研究室，吉林 延吉133002）

模式识别中的近邻性测度

崔荣一

（延边大学工学院计算机科学与技术系 智能信息处理研究室，吉林 延吉133002）

模式之间的相异性或相似性的定量描述是模式识别领域中的基本问题之一．本文在论述和讨论近邻性的本质和数学定义的基础上，综述和归纳了模式识别中采用的典型近邻性测度方法及其应用领域，阐明了近邻性与模式属性之间的关系以及在近邻性的度量中模式本身的特性与先验知识所起的重要作用．

模式识别；测度；度量；近邻性

0 引言

近邻性（proximity）是刻画事物间的差异或相似程度的量，差异程度可用距离来描述，而相似程度可用相似度来描述．近邻性的定量描述是模式识别中分类与聚类的基础，是所有以对象之间在某些特征上的相近程度为依据的信息处理问题中最为基本的问题．差异和相似性是从不同角度描述事物之间相近程度的量，二者之间存在对立关系：差异越大（小），相似性就越小（大），反之亦然．因此在很多的定性讨论中“近邻性”以广义的“相似性”来替代，而在本文中将严格区别相异性（dissimilarity）与相似性（similarity），并把二者统称为近邻性．

在机器学习、模式识别、数据挖掘等理论、方法和技术的研究中出现了大量的近邻性描述方法［1］，其中离不开距离、近邻性、相似度等词汇．然而，很多情况下工程应用中的近邻性测度和度量并不一定都符合严格的数学定义，因而造成近邻性概念和使用方法上的混乱．本文以严格的数学定义为基础，首先介绍模式识别问题中常用的基本近邻性测度函数及其相关性质，分析不同方法的特点与适用问题；……