返回两个数据矩阵 A 和 B 的马氏距离（行 = 对象，列 = 特征） % @作者：Kardi Teknomo % http://people.revoledu.com/kardi/index.html 在马哈拉诺比斯距离教程http://people.revoledu.com/kardi/tutorial/Similarity/MahalanobisDistance.html 中查看更多解释

没啥好解释的，就放个代码和运行结果吧 #数据准备 x1<-c(3,3,2,3,3,3,3,3,2,2,1,3,2,1,2,2,2,3,3,2,2,2,2,2) x2<-c(28,45,55,55,50,70,75,80,50,35,40,50,35,50,40,45,25,40,50,70,70,45,25,25) x3<-c(2,2,3,3,2,3,3,3,3,1,2,2,2,2,2,2,1,2,3,3,3,2,1,1) x4<-c(10.4,22,16,14.5,17.5,16.7,12.7,20.2,13.5,18.2,25,15.4,26,22.5,16.5, 16.4,30,17

古典马氏距离用作检测离群值的方法，并且受离群值影响。 通过快速MCD估计器，提出了一些健壮的马氏距离。 但是，MCD估计器的偏差会随着尺寸的增加而显着增加。 在本文中，我们提出了在高维数据下基于更鲁棒的Rocke估计器的改进的Mahalanobis距离。 数值模拟和实证分析的结果表明，当数据中存在异常值且数据维数很高时，与上述两种方法相比，本文提出的方法能够更好地检测数据中的异常值。

马氏距离matlab原始代码EyeStateKNNClassifier 使用不同距离度量和邻居参数数量的k-NN算法预测眼图状态 该存储库包含“使用k-NN算法预测眼图状态：不同距离度量和邻居参数数量的比较研究”的原始实现，该方法已发布在2019年医疗技术大会（TIPTEKNO）上。 为了提出针对不同类型问题的基于k-NN的方法，必须分析并正确解释不同的距离度量和相邻参数的数量。 在此项目中，我们使用k-NN算法基于不同距离指标（城市街区，chebychev，相关性，余弦，欧几里得，马哈拉诺比斯，minkowski，seuclidean，spearman）和邻居参数的数量执行了基于脑电图的眼睛状态预测。 一些细节如下： 在可通过UCI机器学习存储库[]获得的EEG眼神状态数据集上进行的实验。 该数据集包含多变量，顺序和时间序列的现实世界EEG数据。 EEG Eye State.arf文件转换为EEGEyeStateDataSet_Data.mat（包含所有EEG数据）和EEGEyeStateDataSet_Labels.mat（包含标签）。 使用十倍留一法交叉验证技术评估分类性能以进行

马氏距离的简要概述及其MATLAB实现 MATLAB具体实现代码

聚类马氏距离代码MATLAB 从细胞计数数据学习单细胞距离 该存储库随附有，，，N. Boon，B。De Baets和W. Waegeman撰写的手稿“从细胞计数数据学习单细胞距离”。 它通过针对不同的细胞计数应用（合成微生物生态学和CyTOF）最大化Jeffrey散度（DMLMJ），探索了距离度量学习的功能。 抽象的： 用于自动识别细胞群的数据分析技术在细胞计数领域的兴趣日益浓厚。 这些技术通常依赖于距离度量来测量单个单元之间的相似性。 在这项研究中，我们探索使用距离度量学习来自动确定欧氏距离度量的广义形式，即所谓的马哈拉诺比斯距离度量。 在单细胞标签可用的情况下，可以使用这种方法。 我们以各种方式评估学习距离度量的潜力。 首先，我们表明可以通过实施适当的Mahalanobis距离度量来改进当前基于距离的方法。 然后，为了评估这种距离度量的鲁棒性，我们评估了Mahalanobis距离度量在样本之间的可传递性。 此外，我们表明，可以将学习的距离度量与无监督方法（例如聚类或降维）集成在一起。 特别地，示出了用于来自两个不同来源的细胞计数数据的方法，即应用于微生物细胞的流式细胞计数和用于人

主要介绍马氏距离计算的关键步骤和注意的问题。我们熟悉的欧氏距离虽然很有用，但也有明显的缺点。它将样品的不同属性（即各指标或各变量）之间的差别等同看待，这一点有时不能满足实际要求。马氏距离有很多优点。它不受量纲的影响，两点之间的马氏距离与原始数据的测量单位无关；由标准化数据和中心化数据(即原始数据与均值之差）计算出的二点之间的马氏距离相同。马氏距离还可以排除变量之间的相关性的干扰。它的缺点是夸大了变化微小的变量的作用。

用于数据的分类与采样

基于马氏距离标准的最小距离分类法对遥感影像的分类

马氏距离matlab代码重点检测 介绍 高光的存在会导致在某些Computer Vision应用程序中产生错误结果，例如直方图均衡化，对象检测等。 已经开发了许多算法来检测和去除高光。 在这个项目中，我提出了一种基于马氏距离的非常简单有效的统计方法来进行高光检测。 性能评估是在具有不同上下文的65张图像中执行的。 如此获得的实验结果表明，所提出的技术是一种用于突出显示检测的有效工具，并且可能导致利用数字图像处理中的统计分析潜力的新替代方法。 入门 先决条件 Matlab R2014 目录 /代码/算法 / code / aux_codes /代码/方法 运行测试 Evaluation_algorithms.m 作者 达尼洛·佩纳（Danilo Pena）