摘要：通過對最小和最大Hausdorff距離的分析，提出混合Hausdorff距離將它們?nèi)诤显谝黄鹨詮浹a任意單一Hausdorff距離的缺陷，并基于混合Hausdorff距離設計多示例學習近鄰分類器。采用近鄰分量分析模型能夠優(yōu)化混合Hausdorff距離中的權系數(shù)，從而得到在近鄰分類準則下最優(yōu)的混合Hausdorff距離。結果表明：相對于任意單一Hausdorff距離，基于混合Hausdorff距離的多示例學習近鄰分類器通常能夠獲得更高的識別精度。