欧式距离、明可夫斯基距离及其他计算曲线相似度的距离

1.欧几里德距离（又称欧式距离）（Euclidean Distance）

 欧式距离是最常见的距离度量，衡量的是多维空间中各个点之间的绝对距离。

 公式如下：

2.明可夫斯基距离（Minkowski Distance）

明氏距离是欧式距离的推广，是对多个距离度量公式的概括性的表述。

公式如下：

这里的p值是一个变量，当p=2的时候就得到了上面的欧式距离，当p为时为曼哈顿距离，当p→∞时为切比雪夫距离。

3.曼哈顿距离（Manhattan Distance）

曼哈顿距离来源于城市区块距离，是将多个维度上的距离进行求和后的结果，即当上面的明氏距离中p=1时得到的距离度量公式

 公式如下：

4.切比雪夫距离（Chebyshev Distance）

两个点之间其各座标数值差绝对值的最大值。

在二维平面中，d=max(|x2-x1|,|y2-y1|).

切比雪夫距离就是当p趋向于无穷大时的明氏距离。

参考：

csdn：https://blog.csdn.net/jkhere/article/details/17225449