摘要：针对现有正态云相似性度量计算复杂度较高且区分度不强等问题,本文首先从正态云的特征曲线出发,利用Hellinger距离刻画两个概率分布相似性的特点,提出一种基于Hellinger距离的正态云相似性度量方法,该方法不仅考虑了云概念的数字特征且兼顾了其分布特性,并对相似度量具有的数学性质进行了研究。其次,根据给出的相似度量方法,设计了两种正态云概念的相似度算法。最后,通过数值模拟仿真实验和时间序列数据分类实验对所提出算法的性能进行对比分析,结果表明该算法具有较好的相似度区分能力且分类错误率和CPU时间代价都较低。同时,将本文方法应用于协同过滤推荐系统中,并在MovieLens100k影评数据集上进行了实验,实验结果表明本文方法在用户评分数据极端稀疏的情况下,仍能取得较理想的推荐质量。