摘要：针对训练样本集的分类特征优化选择问题，改进了样本可分度标准：Kullback-Leiber距离，并进行了有效性验证．在此基础上定义了欧氏距离分布熵（Distribution Entropy of Euclidian Distance DEED）这一空间分布信息度量参数，同时给出了它的计算方法．提出了“类间互欧氏距离分布熵”（between—class DEED）与“类内自欧氏距离分布熵”（within-class DEED）的分析方法．进一步将其用于样本可分性分析，验证了两者比值愈大，特征样本集可分度愈好这一结论．

关键词：改进kl距离 欧氏距离 分布熵 特征优化 

单位：中国科学院声学研究所; 北京100080