dist——欧式距离加权函数（Euclidean distance weight function）
语法：
Z = dist(W,P)
df = dist('deriv')
D = dist(pos)
描述：dist是一个欧式距离加权函数，给一个输入使用权值，去获得加权的输入。
1、dist(W,P)中：W——S×R的权值矩阵；P——R×Q的矩阵，表示Q个输入（列）向量
2、dist('deriv')返回‘’，因为dist没有导函数。
3、dist也是一个层距离函数，可以被用来寻找一层中神经元之间的距离。
dist(pos)输入一个参数，pos——N×S的神经元位置矩阵，返回S×S的距离矩阵
例子：
1、这里，我们定义一个随机权重矩阵W，以及输入向量P，并且计算相应的加权输入Z
W = rand(4,3);
P = rand(3,1);
Z = dist(W,P)
2、我们定义10个神经元的随机的位置矩阵，并且寻找他们的距离,这些神经元是在3维空间中的。
pos = rand(3,10);
D = dist(pos)
综上可知：
dist可以计算样本集中多个样本两两之间的距离矩阵。
对于图像I，将其分成n个超像素，每个超像素的特征有3维，那么形成3×n的超像素特征矩阵M，每列表示一个超像素。
此时，使用dist(M)，就会得到一个n×n的矩阵N，其中的元素Nij表示的是第i个超像素和第j个超像素特征之间的欧式距离。