（1）初衷
首先我有两个自问自答，目前是这样认为的。
什么样的聚类适合欧式距离？
答：标准的圆形数据样本。
什么样的聚类适合马氏距离？
答：椭圆的、长条、不规则的数据样本。
其次我还有一个抽象概念：我们检测的目标基本都是有形状、姿态限制的，这些限制可以理解为一种方向约束，有了方向的约束那么x、y就应该是相关的。
（2）马氏距离
马氏距离就是表现这种数据相关的协方差距离，欧式距离是马氏距离的一种特例，相当于相关度为0的马氏距离。
马氏距离的公式：
P1、P2：数据集合中的点，也就是需要求他们的马氏距离的两个点。聚类的时候，可以一个是类中点，一个是类外点。
data：数据集合，聚类的时候可以表示当前类中的元素集合。
Cov(data)：当前类的斜方差矩阵。这个就决定的数据的方向。
