注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 模式识别课件近邻法，k近邻法，k近邻法及最小错误率分析，快速搜索算法

  2. 最近邻法，k近邻法，及最小错误率分析，快速搜索算法，压缩紧邻法，基本原理，内容及应用

  3. 所属分类：其它

    • 发布日期：2010-05-19
    • 文件大小：742400
    • 提供者：jinzidaren

  1. KDtree的建立以及KDtree的最近邻域搜索

  2. KDtree的建立以及基于KDtree的最近邻域搜索。代码简单易懂实用

  3. 所属分类：专业指导

    • 发布日期：2010-05-23
    • 文件大小：1041408
    • 提供者：mazhg430

  1. fastAnn 快速搜索近似最近邻

  2. 搜索最近邻是很多计算机技术中的关键步骤，快速搜索近似最近邻

  3. 所属分类：C++

    • 发布日期：2011-10-12
    • 文件大小：21504
    • 提供者：Holyask

  1. 统计学习 KNN实现代码

  2. 最近学习统计学习算法，用Python实现的K近邻的最近邻搜索

  3. 所属分类：其它

    • 发布日期：2014-09-15
    • 文件大小：11264
    • 提供者：u012411079

  1. Qt下k-d树的建立和最邻近点查询算法实现

  2. k-d树（k-dimensional树的简称），是一种分割k维数据空间的数据结构。主要应用于多维空间关键数据的搜索（如：范围搜索和最近邻搜索）。本代码实现了图形界面下最邻近点查找，简单易懂，适用于计算几何初学者。如需介绍文档，加qq:1257690927。

  3. 所属分类：C++

    • 发布日期：2015-06-30
    • 文件大小：12582912
    • 提供者：u010234531

  1. flann快速最近邻搜索库的手册

  2. flann快速最近邻搜索库的手册，快速入门用法，主要类和方法的介绍等等

  3. 所属分类：专业指导

    • 发布日期：2015-09-23
    • 文件大小：424960
    • 提供者：eric41050808

  1. kgraph, k 近邻搜索库.zip

  2. kgraph, k 近邻搜索库 KGraph: 一个近似最近邻搜索的库。KGraph是一个用k 神经网络作为指数的k 最近邻( k nn ) 图构建和在线k 神经网络搜索。 KGraph实现了非常通用和快速的启发式算法：KGraph在抽象对象上工作。 唯一的假设是，

  3. 所属分类：其它

    • 发布日期：2019-09-18
    • 文件大小：75776
    • 提供者：weixin_38743968

  1. pysparnn, 在 python 中，稀疏数据的近似近邻搜索 ！.zip

  2. pysparnn, 在 python 中，稀疏数据的近似近邻搜索 ！ PySparNNpython 中稀疏数据的近似最近邻搜索 ！ 这个库很适合在稀疏的高维空间( 像文本文档) 中找到最近的邻居。PySparNN，支持余弦距离( 例如 。 1 - cosine_similarity ) 。PySpar

  3. 所属分类：其它

    • 发布日期：2019-09-19
    • 文件大小：51200
    • 提供者：weixin_38743602

  1. hnswlib,基于层次导航小世界图的近似最近邻搜索Java库.zip

  2. 正在进行中的Java实现分层可导航小世界图（HNSW）算法进行近似最近邻搜索。

  3. 所属分类：其它

    • 发布日期：2019-09-25
    • 文件大小：201728
    • 提供者：weixin_38743602

  1. C#创建KD树 K近邻搜索

  2. C#实现KD树建立，最近邻点搜索，采用BBF进行了K近邻搜索优化

  3. 所属分类：C#

    • 发布日期：2016-02-27
    • 文件大小：34816
    • 提供者：gxwskd

  1. C#实现KD树 K近邻搜索

  2. C#实现KD树建立，最近邻点搜索，采用BBF进行了K近邻搜索优化

  3. 所属分类：C#

    • 发布日期：2016-02-27
    • 文件大小：33792
    • 提供者：gxwskd

  1. 基于邻域图的大规模最近邻搜索

  2. 基于邻域图的大规模最近邻搜索

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：372736
    • 提供者：weixin_38665629

  1. 基于路网的连续K最近邻查询

  2. 连续K最近邻(CKNN)查询是最近邻查询的扩展,可广泛地应用于地理信息系统、城市规划、智能交通等领域.CKNN查询搜索某一路径上所有点的K个最近的感兴趣对象.本文研究基于交通路网的连续K最近邻查询问题,不同于传统的基于欧式空间的CKNN查询,基于路网的CKNN查询中对象间的距离度量不再是欧式距离,而是基于路网的最短可达距离.显然,传统的基于欧式距离的CKNN查询算法并不能直接应用于基于路网的CKNN查询问题.本文提出了一种基于路网的高效的CKNN查询算法-IIE算法,广泛实验表明本文提出的IIE

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：283648
    • 提供者：weixin_38557838

  1. 汉明空间搜索的对抗示例

  2. 由于其强大的表示学习能力以及对表示和哈希码的联合学习的促进，深度哈希学习取得了可喜的成果，并且在大规模近似最近邻搜索中越来越受欢迎。 但是，最近的研究强调了深层图像分类器容易受到对抗性例子的影响。 这也为深度检索系统带来了深刻的安全问题。 因此，为了研究现代深度哈希模型对对抗性摄动的鲁棒性，我们提出了哈希对抗性生成（HAG），这是一种为汉明空间搜索制作对抗性示例的新颖方法。 HAG的主要目标是生成不易察觉的示例作为查询，其与目标哈希模型的最近邻居在语义上与原始查询无关。 大量的实验证明，HAG可

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：393216
    • 提供者：weixin_38669093

  1. 通过k个最近邻图进行快速近似最近邻搜索

  2. 近似最近邻搜索是一个基本问题，并且已经研究了几十年。 最近基于图的索引方法已经证明了它们的高效率，其主要思想是离线构造邻域图并从在线图的一些采样点开始执行贪婪搜索。 现有的大多数基于图的方法都集中于具有良好开发能力的精确k近邻（k-NN）图或具有良好勘探能力的多元图。 在本文中，我们提出了k多样性最近邻（k-DNN）图，它平衡了图的精度和多样性，从而同时具有良好的开发和勘探能力。 我们引入了一种高效的索引算法，用于构造k-DNN图，该算法的灵感来自于信息检索（IR）中的一种知名的多样化排序算法。

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：454656
    • 提供者：weixin_38750406

  1. 高维空间中基于聚类的最近邻搜索的有效优化

  2. 高维空间中基于聚类的最近邻搜索的有效优化

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：896000
    • 提供者：weixin_38732463

  1. 基于顺序NPsim矩阵的高维数据最近邻搜索算法

  2. 基于顺序NPsim矩阵的高维数据最近邻搜索算法

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：398336
    • 提供者：weixin_38614287

  1. 最近邻搜索用于分类问题的一种改进

  2. 最近邻搜索用于分类问题的一种改进

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：664576
    • 提供者：weixin_38722944

  1. granne：基于图的近似最近邻居搜索-源码

  2. 格兰妮* granne（一pproximate的g，以拉斐-R etrievalňearest NE ighbors）是防锈库基于近似最近邻搜索和使用。 它专注于减少内存使用，以允许。 产品特点 内存映射 多线程索引创建 可扩展索引（将元素添加到已建立的索引中） Python绑定 密集的float或int8元素（余弦距离） 安装 要求 您将需要安装Rust 。 可以通过调用以下命令来完成： curl --proto '=https' --tlsv1.2 -sSf https://sh.ru

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：73728
    • 提供者：weixin_42102713

  1. SPTAG:分布式近似最近邻搜索（ANN）库，可为大规模矢量搜索场景提供高质量的矢量索引构建，搜索和分布式在线服务工具包-源码

  2. SPTAG：一个用于快速近似最近邻居搜索的库 标记 SPTAG（空间分区树和图形）是由和发布的用于大规模向量近似最近邻居搜索方案的库。 介绍 该库假定样本表示为向量，并且可以通过L2距离或余弦距离来比较向量。 为查询向量返回的向量是与查询向量具有最小L2距离或余弦距离的向量。 SPTAG提供两种方法：kd树和相对邻域图（SPTAG-KDT）和平衡k均值树和相对邻域图（SPTAG-BKT）。 SPTAG-KDT在索引建立成本方面是有利的，而SPTAG-BKT在非常高维数据中的搜索准确性方面是有利

  3. 所属分类：其它

    • 发布日期：2021-04-01
    • 文件大小：1048576
    • 提供者：weixin_42160425
« 12 3 4 5 6 »