我正在研究k-means algorythm，它目前正在运行，但我正在寻找另一个使用额外因子的公式，即2个向量中的1个点的相关性我计算它们之间的距离
到目前为止我正在做的总结：
我为数据库中的条目分配了一个向量，并使用k-means将所有条目分配给一个集群。然后，我检查附近聚类的随机点，并收集比某个因子更近的条目。
这一切都有效，在集群完成后，我可以选择一个随机的新点并收集其中最近的集群和数据库条目。然而，我仍然必须确定这些条目的相关性，我想通过在此之后使用距离计算的因子来做到这一点。
基本上我必须计算点X和多点C（n）之间的距离 所有点都是3D矢量
D（n）= SQRT（（X1-C1）²+（X2-C2）²+（X3-C3）²）
我想要的是在C中的每个点内的额外因素，如果匹配则使距离更短并且如果它根本不匹配则使其更大。相关性为0表示根本不相关，然后为1 2或3表示非常相关。基本上，如果C1是相关性3且X1不相同，则距离应该更大但是如果X1 == C1，则距离应该是最小的，因为具有相关性3的C1计数比C2更强，而C3具有相关性1，例如。
我希望我能说清楚，有人可以帮助我：）