我正在开发一个近似计算系统。在这样的系统中，定义两个对象的相似程度是一项基本操作。
在计算机科学和数学中，相似度通常是指两个对象之间的距离，但在哪些类型的应用中使用以下距离对我来说并不总是很清楚：
- 雅卡尔系数在信息检索中用于排名和评分。
- 余弦相似度用于实数向量，例如用于测量文档之间的相似性（尽管它不考虑词的位置，只考虑频率）
- 汉明距离用于二进制向量，例如在计算机视觉和图像处理中用于测量二进制描述符（如ORB）的相似性
- 欧几里得距离用于实数向量，用于测量两点之间的距离（通常被称为L^2距离）
- 核函数：在机器学习中，一些核函数（如RBF核）被用来利用核技巧进行相似度测量。
我知道这些度量方法的定义各不相同，但我想知道是否有调查或论文列出它们（或我未提及的其他方法）在计算机科学中的可能应用。你能帮我找一下吗？
回答：
快速搜索后发现，“Comprehensive Survey on Distance/Similarity Measures between Probability Density Functions”，看起来非常不错。
