我打算使用 Pyramid Match Kernel 方法从深度图像中进行对象识别：我要提取一组特征向量$x \in \mathbb{R}^d$对于每个对象实例，然后我想使用Grauman 论文中http://jmlr.csail.mit.edu/papers/volume8/grauman07a/grauman07a.pdf中所述的 Pyramid Match Kernel，以便使用一组功能带有 SVM 分类器的每个对象的向量。

我有一个问题要理解我们应该如何围绕数据点构建 bin。论文给出了以下定义：

这里的“向量间”距离是什么意思？我想到以下几点：我们考虑所有$x_i$每个值$X$在$S$. 然后我们找到两个距离最小的向量$d$,（唯一的）然后缩放所有向量$1/d$. 然后$D$是向量元素的最大绝对值$S$.

这就是作者在这里的意思吗？如果我们要测试一个新的向量怎么办$y$，我们应该如何扩展它？