随机产生多事件比例是多维向量，两个多事件比例的向量相似度计算方法：

X个体：x1,x2,...xn，xi为第i个事件发生的比例，∑xi=1

Y个体：y1,y2,...yn，yi为第i个事件发生的比例，∑yi=1

X与Y的分配比例相似度

Sim=∏{1-abs[sqrt(xi)-sqrt(yi)]}，大括号内是第i个事件相似度，所有都相乘后为X与Y的相似度。

单一纬度相似度x、y取值对应的相似度z取值如图：

两个纬度用beta分布的类dice相似度比较见下图（黑色为两个beta分布的类dice相似度，红色为只用参数计算的分配比例相似度，蓝色为只用参数计算的类dice相似度，红色与黑色比较接近说明估计较好，beta分布是dirichlet分布的二维形式）：

距离＝-log(相似度)

注：类dice相似度＝∑min(xi,yi)=2*∑min(xi,yi)/(∑xi+∑yi)

基于此距离用KMeans聚类结果图（增加了尺度，相似度＝(1-∣sqrt(∑xi)-sqrt(∑yi)∣/(sqrt(∑xi)+sqrt(∑yi))/2)*分配比例相似度，综合比较多种距离，效果不错，对网站不同类型用户有较好的划分）：

（9-14初稿，

9-18修改：改为类dice相似度

9-28作废，未达到距离设计目标

9-29修改：因程序BUG导致误判，分类结果较好）