主要介绍轨迹距离相关的算法公式即概念 适用于大数据算法工程师的学习

fasta算法，Smith-waterman算法，编辑距离算法，最长公共子串算法

举例如下：音乐推荐的两种推荐方式 第一种：基于相似用户做推荐 如何判断两个用户是相似用户？ 我们可以根据两个用户对一些随机的歌曲的喜爱程度进行相似度度量。一个用户对一首歌单曲循环记5分，分享记4分，收藏记3分，搜索记2分，听完记1分，没听过记0分，直接跳过记-1分； ​ 安静 晴天 十年 后来 你 5 3 3 0 小明4 5 2 1 那么你和小明的欧几里得距离就是 (5−4)2+(3−5)2+(3−2)2+(0−1)2=7 \sqrt{ (5-4)^2+(3-5)^2+(3-2)^2+(0-1)^2} = \sqrt{7} (5−4)2+(3−5)2+(3−2)2+(0−1)2\u200b=

针对k-means算法的缺点提出的最大最小距离算法，是改进的聚类算法

NULL 博文链接：https://biansutao.iteye.com/blog/326008

orb算法matlab代码MOID T. Wisniowski和H. Rickman创建的最小轨道相交距离（MOID）算法的实现。 背景 我发现了一些由研究人员创建的用于计算MOID的Fortran代码。 此回购协议只是将这些代码转换为其他语言，我发现这些语言与测试一起使用非常有用，以表明该代码可以正常工作。 正如您在下面看到的，我能够与原始作者发布的值进行相当不错的匹配，但可能存在差异，这可能是因为在Octave和C ++中使用了更精确的Pi值。 除了将fortran转换为工作代码外，我没有做任何真正的尝试来优化代码或使用更现代的编程风格，因此它只是作为原始函数的一个简单函数而实现的。 原始研究论文： 原始Fotran代码： GNU OCTAVE结果 在Octave上运行MOID_Test脚本将执行20个测试，这将在下表中显示。 这尚未在Matlab中进行过测试，但可能也可以在其中工作。 在Ryzen R7 3800XT上，经过20个测试用例的时间为：0.789262秒（每次迭代平均约40毫秒）。 测试 MOID Calc 预计的MOID Dmin Calc 预期Dmin 1个 0.

非常快的字符串距离算法 这是 sift4 字符串距离算法的 rust 实现。Sift4 非常快，与 sift3 不同，它更接近于从 Levenshtein 距离算法中得到的结果。

大数据-算法-隐马氏模型中两类问题的收敛性及最大模型距离算法的应用.pdf

使用最短编辑距离算法判断两个字符串的相似度

最大最小距离算法 最大最小距离算法首先根据确定的距离阈值寻找聚类中心，然后根据 最近邻规则把样本划分到各类聚类中心对应的类别中。 具体的算法描述如下： ①首先任选一个模式样本作为第一个聚类中心 ②选择离 距离最远的样本作为第二个聚类中心 ，距离用欧式距离公式来计算： ③逐一计算各样本与 ， 间的距离，即 ， 选出其中最小距离，