搜索资源列表
MLRE
- MLRE算法，选取最优K近邻，是识别率达到更高-MLRE algorithm select the best K-nearest neighbor, is to achieve a higher recognition rate
location
- 室内定位算法，最近邻算法，K最近邻算法，加权K最近邻算法，贝叶斯算法-indoor position locatian ,including nn,knn,wknn,bayes.the algrithm compare the different of the above method and get some useful conclusion.
20257147knn
- knn最近邻算法在给定新文本后，考虑在训练文本集中与该新文本距离最近（最相似）的 K 篇文本，根据这 K 篇文本所属的类别判定新文本所属的类别，具体的算法步骤如下： 一、:根据特征项集合重新描述训练文本向量 二、:在新文本到达后，根据特征词分词新文本，确定新文本的向量表示 三、:在训练文本集中选出与新文本最相似的 K 个文本-knn nearest neighbor algorithm in the given text, to consider in the train
knn
- 这是一个小而有效的程序来执行的K -近邻搜索算法，此算法利用JIT 理论加速循环，比向量化有效解决了大量数据的精度问题。甚至比kd-tree效果要佳。 K-nearest neighbor search已经广泛应用在科学与工程上，比如模式识别，数据挖掘和信号处理。 -This is a small and effective procedures to implement the K- nearest neighbor search algorithm, this algorithm J
wavelet-transform-using-knn
- 基于双低频小波变换和k近邻分类器的人脸识别算法源程序-Dual low frequency wavelet transform and k-nearest neighbor classifier based face recognition algorithm source
QCKNN
- 基于MD-CKNN算法的连续K近邻查询系统,与传统的Find-NN算法进行性能对比-MD-CKNN algorithm-based continuous K-nearest neighbor query system, its performance is compared with traditional Find-NN algorithm
DM_YeDan
- KNN(K最近邻)分类算法以及K-means(K均值)聚类算法是应用广泛的两种算法。本代码是在VS2010环境下，用 C++语言在基于KNN及K-means算法下，实现了对Iris数据集的分类与聚类。-KNN (K nearest neighbor) classification algorithm, as well as K-means (K mean) clustering algorithm is widely used two algorithms. The code VS2010 en
KNN-matlab
- k近邻的两种改进算法，采用matlab实现，使得算法效率有了较大提高。-two methods for knn，both of them are run in matlat.
Classification
- VC++中实现K近邻分类方法，实验数据是著名的iris数据库，此方法是数据挖掘，机器学习，人工智能等课程中重要的分类算法。-K-nearest neighbor classification VC++, experimental data is the famous iris databases, data mining, machine learning, artificial intelligence courses classification algorithm.
nn
- 最近邻算法实现 k近邻 Z为训练集，每行一个样本，n*m labZ为与Z对应的类别，列向量 Z_T为测试集，每行一个样本，p*m labZ_T为输出结果,p*1-Nearest-neighbor algorithm
Coordinate
- 基于R树的K近邻查询算法及递增的k近邻查询算法实现-the implemention of R-tree K-nearest neighbor query algorithm and incremental nearest neighbor query algorithm
knnsearch
- 一个小而有效的程序来执行的K近邻搜索算法， 非常适合对K -近邻搜索算法的入学者。-A small but effective procedures to implement the K-nearest neighbor search algorithm is very suitable for K- nearest neighbor search algorithm admission
classifier
- 用matlab实现Part1. 实现一个k近邻分类器，Part 2.实现一个最小二乘分类器，Part 3.实现一个支持向量机分类器，Part 4.在不同数据集上使用交叉验证选择各个算法的参数-Part1. Achieve a k-nearest neighbor classifier, Part 2. Achieve a least-squares classifier, Part 3. Implement a support vector machine classifier, Part 4.
lle
- LLE算法及改进的LLE算法，主要是对寻找K近邻时的欧式距离的改进-LLE algorithem and the improve_LLE agorithem，the process mainly improve the distance
KNN
- 机器学习K近邻分类算法，使用的是C++编程。如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。-K-nearest neighbor classification machine learning algorithm, using the C++ programming. If a sample in feature space is k most similar (i.e., the feature space adjacent
6
- 最近邻法和K近邻法。作为分类器算法，k近邻法和最近邻法应用广泛-Nearest neighbor and K-nearest neighbor method. As a classifier algorithm, widely k nearest neighbor method nearest neighbor method and application
knn
- K近邻（KNN）：分类算法KNN是non-parametric分类器（不做分布形式的假设，直接从数据估计概率密度），是memory-based learning KNN不适用于高维数据（curse of dimension）-K-Nearest Neighbor (KNN): Classification Algorithm. KNN is a non-parametric classifiers (not to assume that the distribution of forms, fr
classificiation-algorithm-overview
- 机器学习领域经典分类算法综述，包括Decision Tree（ＩＤ３、C4.5(C5.0)、CART、PUBLIC、SLIQ和SPRINT算法），三种典型贝叶斯分类器（朴素贝叶斯算法、TAN算法、贝叶斯网络分类器），k-近邻 、 基于数据库技术的分类算法（ MIND算法、GAC-RDB算法），基于关联规则（CBA:Classification Based on Association Rule）的分类（Apriori算法），支持向量机分类，基于软计算的分类方法（粗糙集（rough set）、遗传
the-k_nearst-alogrithm
- 一种快速搜索散乱点云数据 k 邻近的算法 对逆向工程中散乱点云数据的 k 近邻搜索，提出一种快速搜索散乱点云 k 邻近点的算法。该算法根据 点云数据的范围、点的总数及最近点数目 k，确定合适的立方体边长，采用空间划分策略，把数据划分成多个子立方体； 然后用哈希表记录每个子立方体所包含的数据点及每个点所在的立方体索引号，并排除不包含数据的子立方体，以此 确定邻近点的最佳搜索范围。实验结果表明：该算法有效的提高 k 近邻搜索的速度，同时保证了搜索结果的正确性。 -a fast m
k_nearst
- k最近邻分类算法，将点云分为k近邻的算法，完整的源码程序-the program is about the k_nearst classify