高维特征向量相似度计算方法研究

在机器学习、目标识别等诸多领域都会涉及到特征向量的有效识别问题，大多是通过与先期建立的模板特征向量库进行比对，因此高维特征向量的相似度计算就成为特征识别的关键。提出利用互信息熵的计算方法描述高维特征向量之间的“距离”，与传统的“欧氏距离”“相关系数”等方法相比较，不仅考虑了向量的长度信息，还考虑了角度信息，因此可以更进一步地描述高维向量彼此之间的差异，丰富高维特征向量相似度计算方法。