马氏距离的MATLAB代码

function d = mahalDist(X)
% MAHALDIST computes the Mahalanobis distance between each row of X and the mean of X
%
% Inputs:
% X - an n-by-p matrix of n observations of p variables
%
% Output:
% d - an n-by-1 vector of Mahalanobis distances
%
% Example:
% X = [1 2 3; 4 5 6; 7 8 9; 10 11 12];
% d = mahalDist(X);

% Compute the mean of X
mu = mean(X);

% Compute the covariance matrix of X
C = cov(X);

% Compute the inverse of C
Cinv = inv(C);

% Compute the Mahalanobis distance between each row of X and the mean of X
n = size(X,1);
d = zeros(n,1);
for i = 1:n
d(i) = sqrt((X(i,:) - mu)*Cinv*(X(i,:) - mu)');
end

end

相关问题

马氏距离matlab代码

马氏距离是用于测量两个连续变量之间的距离，可以用以下Matlab代码实现：

function d = mahal(x, mu, SIG)
% x是一个n维向量，mu是均值向量，SIG是协方差矩阵
% 返回x到mu的马氏距离
d = sqrt((x-mu)*inv(SIG)*(x-mu)');
end

其中，`x`是一个n维向量，`mu`是均值向量，`SIG`是协方差矩阵。函数返回`x`到`mu`的马氏距离。

求矩阵间点的马氏距离 matlab代码

在 MATLAB 中，可以使用 `mahalanobis` 函数计算两个矩阵之间的点的马氏距离。下面是一个示例代码：

% 加载数据
X = randn(100, 3); % 假设有两个矩阵 X1 和 X2，每个矩阵有 100 个样本，每个样本有 3 个特征

% 计算协方差矩阵
cov_matrix = cov(X); % 假设 X1 和 X2 具有相同的协方差矩阵

% 计算马氏距离
dist = mahalanobis(X1, X2, cov_matrix);

disp(dist);

上述代码中，我们首先生成了两个矩阵 X1 和 X2（这里使用了随机生成的数据）。然后，我们计算了两个矩阵的协方差矩阵（假设 X1 和 X2 具有相同的协方差矩阵）。最后，我们使用 `mahalanobis` 函数计算了 X1 和 X2 之间的马氏距离，并将结果打印出来。

请注意，`mahalanobis` 函数的输入参数包括两个矩阵和协方差矩阵。你需要根据你的实际情况将示例代码中的矩阵和协方差矩阵替换为你自己的数据。