编辑Matlab的距离 该软件包提供了Levenshtein，Damerau-Levenshtein的实现，以及字符串以及键列表（即字符串的单元格数组）的加权编辑距离。 该代码可引用吗？ （用于研究项目） 该代码是[1]中描述的工作的一部分。 在[1]中，应用了编辑距离来匹配在引用对象时出现的语言描述（以便在人机对话/人机对话中获得共同的关注）。 [1] B. Schauerte, G. A. Fink, "Focusing Computational Visual Attention in Multi-Modal Human-Robot Interaction," in Proc. ICMI, 2010. 接触 鲍里斯·绍尔特（Boris Schauerte）

命令行输入两个txt文件的绝对路径，计算相似度，写进txt文件

一个近场(距离)传感器驱动，可以实现最远2米的检测范围，源于瑞芯微系统，也可轻松移植到其它系统或单片机

基于时间序列编辑距离的阿尔兹海默症辅助诊断，赵翼飞，李炜，计算机辅助诊断一直是机器学习中的热门领域，其中，阿尔兹海默症的辅助诊断对于该疾病的及早干预治疗有着重要意义。近年来，基于

汉明距离 计算两个序列之间的。 在，汉明距离是相同长度的两个序列之间的差异数。 这些序列可以表示为字符串、二进制字符串或数组。 安装 $ npm install compute-hamming 要在浏览器中使用，请使用 。 用法 var hamming = require ( 'compute-hamming' ) ; 汉明（a，b[，访问器]） 计算两个序列之间的。 序列必须是等长strings或等长arrays 。 var a = 'this is a string.' , b = 'thiz iz a string.' ; var dist = hamming ( a , b ) ; // returns 2 var c = [ 5 , 23 , 2 , 5 , 9 ] , d = [ 3 , 21 , 2 , 5 , 14 ] ; dist = hamming (

马氏距离异常检测 马氏距离用于多变量异常检测的实现。 此仓库包含使用数据组件之间的马氏距离在多变量数据中创建阈值异常检测的功能。 点安装-i mahala-ad 改编自： :

在本文中，我们提出了一种新颖的基于轮廓的形状描述符，称为多尺度距离矩阵（MDM），以捕获形状几何图形，同时不影响平移，旋转，缩放和双边对称性。 该描述符进一步与降维相结合，以提高其判别能力。 所提出的方法避免了在大多数先前的形状识别算法中使用的费时的逐点匹配。 因此，它速度快，适合实时应用。 我们通过在两个数据集上进行实验，将提出的方法应用于计划叶子识别的任务：瑞典叶子数据集和ICL叶子数据集。 实验结果清楚地证明了提出的描述符的有效性和效率。

是一个C#的C#双线性、临近点、反距离三种插值源代码。用于插值、图像缩放等用途

本文根据美国萨德雷达的公布资料，对探测距离进行了理论分析。对于军事爱好者和雷达设计者有一定帮助。66666666

手写字符的识别是任何模式识别问题中最重要的任务。 在本文中，我们讨论了一种使用神经网络和欧几里德距离度量来识别手写字符的方法。 首先神经网络经过一个学习阶段，然后网络被用来识别未知的手写字符。 对于不匹配的手写字符，使用欧氏距离度量来提高识别率。