基于Cheng-范数的不同维度样本相似性度量

样本相似性度量在机器学习，尤其在聚类任务中起着至关重要的作用，而且许多实际问题涉及的样本，如基因、蛋白质、药物等通常具有不同维度。因此，如何度量不同维度样本相似性显得尤为重要。鉴于大多数现有相似性度量方法仅适用于相同维度样本，基于Cheng-范数，提出一种不同维度样本相似性度量新方法，并以该方法分别基于蛋白质加权图对应的加权邻接矩阵和加权拉普拉斯矩阵测量的相似性，采用层次聚类算法对蛋白质样本进行功能聚类，取得了预期的聚类结果，从而充分验证了该相似性度量方法的有效性。