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. 基于PSO 面向K近邻分类的特征权重学习算法.pdf

  2. 提出了一种基于 PSO 进行权重学习 的算法 PSOKNN ,通过与传统 KNN、GAKNN 及 ReliefKNN 的实验比较分析表明 ,该方法可有效地搜索出合适的特 征权重 ,获得较好的分类精度并淘汰冗余或无关的特征

  3. 所属分类：其它

    • 发布日期：2009-08-01
    • 文件大小：120832
    • 提供者：zz991126

  1. 海量空间数据点k近邻的快速搜索算法

  2. 此资源为期刊论文。海量空间数据点k近邻的快速搜索算法，希望能给大家带来帮助

  3. 所属分类：其它

    • 发布日期：2010-03-15
    • 文件大小：357376
    • 提供者：zl0309

  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. K近邻分类算法

  2. knn，即k最近邻算法是模式识别中的一种比较简单而经典的分类算法,，在邮局问题中得到了广泛的应用。对于最近邻搜索算法有个比较好的描述。

  3. 所属分类：C++

    • 发布日期：2012-12-15
    • 文件大小：342016
    • 提供者：zjyiloveyou

  1. 基于k-d tree的邻域搜索

  2. 经过整理的k-d tree搜索k近邻的算法，直接输入参数就可以用了，一个主函数，调用两个子函数

  3. 所属分类：其它

    • 发布日期：2013-07-16
    • 文件大小：4096
    • 提供者：jfyale

  1. KD树+KNN+BBF搜索

  2. 该程序主要使用C#实现了KD树的构造，同时利用构造的KD树，查找距离目标点的最近邻节点，还有在此基础之上改进的BBF搜索算法，当然同时在此之上进一步改进K近邻的搜索算法

  3. 所属分类：C#

    • 发布日期：2013-08-05
    • 文件大小：109568
    • 提供者：jjp837661103

  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. C#实现KD树建立，K近邻点搜索

  2. C#实现KD树建立，K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：2016-02-28
    • 文件大小：34816
    • 提供者：gxwskd

  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. 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. matlab knnsearch() 函数用法详解| KNN临近搜索

  2. matlab knnsearch() 函数 功能:使用输入数据查找k近邻 语法: Idx = knnsearch(X,Y) Idx = knnsearch(X,Y,Name,Value) [Idx,D] = knnsearch(___) 解释: Idx = knnsearch(X,Y) 为Y中的每个查询点查找X中的最近邻居，并返回Idx中最近邻居的索引(一个列向量)。Idx的行数与Y相同。 Idx = knnsearch(X,Y,Name,Value) 使用一个或多个名称–值对参数指定的附加选

  3. 所属分类：其它

    • 发布日期：2020-12-14
    • 文件大小：32768
    • 提供者：weixin_38706743

  1. matlab knnsearch() 函数用法详解| KNN临近搜索

  2. matlab knnsearch() 函数 功能:使用输入数据查找k近邻 语法: Idx = knnsearch(X,Y) Idx = knnsearch(X,Y,Name,Value) [Idx,D] = knnsearch(___) 解释: Idx = knnsearch(X,Y) 为Y中的每个查询点查找X中的最近邻居，并返回Idx中最近邻居的索引(一个列向量)。Idx的行数与Y相同。 Idx = knnsearch(X,Y,Name,Value) 使用一个或多个名称–值对参数指定的附加选

  3. 所属分类：其它

    • 发布日期：2020-12-14
    • 文件大小：32768
    • 提供者：weixin_38620314

  1. K 近邻法（K-Nearest Neighbor, K-NN）

  2. 文章目录1. k近邻算法2. k近邻模型2.1 模型2.2 距离度量2.2.1 距离计算代码 Python2.3 kkk 值的选择2.4 分类决策规则3. 实现方法, kd树3.1 构造 kdkdkd 树3.2 搜索 kdkdkd 树4. 鸢尾花KNN分类4.1 KNN实现4.2 sklearn KNN k近邻法（k-nearest neighbor，k-NN）是一种基本分类与回归方法。 输入：实例的特征向量，对应于特征空间的点 输出：实例的类别，可以取多类 假设：给定一个训练数据集，其中的实例

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：296960
    • 提供者：weixin_38681147

  1. 简单粗暴理解与实现机器学习之K-近邻算法（十）：交叉验证，网格搜索（模型选择与调优）API、鸢尾花案例增加K值调优

  2. K-近邻算法 文章目录K-近邻算法学习目标1.10 交叉验证，网格搜索1 什么是交叉验证(cross validation)1.1 分析1.2 为什么需要交叉验证**问题：那么这个只是对于参数得出更好的结果，那么怎么选择或者调优参数呢？**2 什么是网格搜索(Grid Search)3 交叉验证，网格搜索（模型选择与调优）API：4 鸢尾花案例增加K值调优 学习目标 掌握K-近邻算法实现过程 知道K-近邻算法的距离公式 知道K-近邻算法的超参数K值以及取值问题 知道kd树实现搜索的过程 应用KN

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：115712
    • 提供者：weixin_38658568

  1. 统计学习方法——K近邻法（学习笔记）

  2. K近邻算法简介 K近邻法是一种基本分类与回归方法。K近邻法的输入为实例的特征向量（特征空间的点），输出为实例的类别，可以取多类。 K近邻算法假设给定一个训练数据集，其训练数据集实例的类别已定，对新的输入实例，找出新实例K个最近邻的训练点，根据K个最近邻训练实例的类别，通过多数表决等方式进行预测。 K近邻法的三个基本要素：K值的选择、距离度量、分类决策规则。 下面介绍一下kd树、搜索kd树的过程以及相关代码。 1.K近邻算法 根据给定的训练数据集，对新的实例，在训练数据集中找出与该实例最近邻的K个

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：192512
    • 提供者：weixin_38557095

  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. 从K近邻算法、距离度量谈到KD树、SIFT+BBF算法（二）

  2. 之前blog内曾经介绍过SIFT特征匹配算法，特征点匹配和数据库查、图像检索本质上是同一个问题，都可以归结为一个通过距离函数在高维矢量之间进行相似性检索的问题，如何快速而准确地找到查询点的近邻，不少人提出了很多高维空间索引结构和近似查询的算法。一般说来，索引结构中相似性查询有两种基本的方式：一种是范围查询，范围查询时给定查询点和查询距离阈值，从数据集中查找所有与查询点距离小于阈值的数据另一种是K近邻查询，就是给定查询点及正整数K，从数据集中找到距离查询点最近的K个数据，当K=1时，它就是最近邻查

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：1048576
    • 提供者：weixin_38723516

  1. 从K近邻算法、距离度量谈到KD树、SIFT+BBF算法（二）

  2. 之前blog内曾经介绍过SIFT特征匹配算法，特征点匹配和数据库查、图像检索本质上是同一个问题，都可以归结为一个通过距离函数在高维矢量之间进行相似性检索的问题，如何快速而准确地找到查询点的近邻，不少人提出了很多高维空间索引结构和近似查询的算法。一般说来，索引结构中相似性查询有两种基本的方式：一种是范围查询，范围查询时给定查询点和查询距离阈值，从数据集中查找所有与查询点距离小于阈值的数据另一种是K近邻查询，就是给定查询点及正整数K，从数据集中找到距离查询点最近的K个数据，当K=1时，它就是最近邻查

  3. 所属分类：其它

    • 发布日期：2021-01-30
    • 文件大小：1048576
    • 提供者：weixin_38637805
« 12 3 4 »