量子科技中心_量科网

该论文介绍了一种名为“离散相关性系数”（c-delta）的自定义统计量，用于量化两组数值内部离散模式的相似性。与传统衡量配对值关联度的皮尔逊或斯皮尔曼系数不同，c-delta评估的是某组数值的内部差异模式是否在另一组中得到映射。该方法通过计算每个数值相对于其所在组内其他数值的离散度，进而比较两组（如人类智能与机器智能）的离散模式。该系数通过各组内部均方根离散度的平均值进行归一化处理，确保尺度不变性。 c-delta在量子物理领域具有应用潜力，可用于比较量子系统间测量结果的分布差异，同时适用于遗传学、生态学、心理测量学、制造业、机器学习及社交网络分析等学科。该指标尤其适用于基准测试、聚类验证及变异结构相似性评估。尽管c-delta的取值范围不限定于-1至1之间且可能对异常值敏感（但皮尔逊系数同样存在此特性），其为分析内部变异性和离散度提供了全新视角。文章探讨了该指标的数学公式、针对复杂数据的适配方案，以及这种创新方法在解读时需注意的事项。