檢視最小距离分类的原始碼

{| class="wikitable" align="right"
|-
|<center><img src=https://www.kfzimg.com/sw/kfz-cos/kfzimg/bebdffcc/cf138c05c8a11b65_s.jpg width="250"></center>
<small>[https://search.kongfz.com/product_result/?key=%E5%88%86%E7%B1%BB&status=0&_stpmt=eyJzZWFyY2hfdHlwZSI6ImFjdGl2ZSJ9 来自 孔夫子旧书网 的图片]</small>
|}

'''最小距离分类'''是全国科学技术名词审定委员会公布的一个科技名词。

汉字作为一种形、音、义三位一体的[[符号]]系统<ref>[https://www.sohu.com/a/210549791_680258 汉字——中华文化的独特符号]，搜狐，2017-12-14</ref>，源于日月鸟兽之形，作为中华文明之标志<ref>[https://www.sohu.com/a/437797930_120142689 汉字——中华文明的基因]，搜狐，2020-12-12</ref>，连接中华[[民族]]的历史、现在和未来，方正之间充满美感。

==名词解释==

最小距离分类，是指求出未知类别向量到要识别各类别代表向量中心点的距离，将未知类别向量归属于距离最小一类的一种[[图像]]分类[[方法]]。

最小距离分类法是分类器里面最基本的一种分类方法，它是通过求出未知类别向量X到事先已知的各类别（如A，B，C等等）中心向量的距离D，然后将待分类的向量X归结为这些距离中最小的那一类的分类方法。

最小距离分类的步骤

最小距离分类器的步骤，其实是我们做监督分类基本的几个步骤。

(1)确定类别m，并提取每一类所对应的已知的样本。

(2)从样本中提取出一些可以作为区分不同类别的[[特性]]，也就是我们通常所说的特征提取，如果提取出了n个不同的特性，那么我们就叫它n维空间，特征提取对分类的精度有重大的影响。

(3)分别计算每一个类别的样本所对应的特征，每一类的每一维都有特征集合，通过集合，可以计算出一个均值，也就是特征中心。

(4)通常为了消除不同特征因为量纲不同的影响，我们对每一维的特征，需要做一个归一化，或者是放缩到（-1,1）等区间，使其去量纲化。

(5)利用选取的距离准则，对待分类的本进行判定。

优点和缺点

最小距离分类法原理简单，容易理解，计算速度快，但是因为其只考虑每一类样本的均值，而不用管类别内部的方差（每一类样本的分布），也不用考虑类别之间的协方差（类别和类别之间的相关关系），所以分类精度不高，因此，一般不用它作为我们分类对精度有高要求的分类，但它可以在快速浏览分类概况中使用。

==参考文献==
[[Category:800 語言學總論]]