搜索资源列表
BFS
- In graph theory, breadth-first search (BFS) is a graph search algorithm that begins at the root node and explores all the neighboring nodes. Then for each of those nearest nodes, it explores their unexplored neighbor nodes, and so on, until it finds
kjinlin
- K最近邻(k-Nearest Neighbour，KNN)分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。该方法的思路是：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 neighbor algorithm
decaptcha-master
- A CAPTCHA Breaker using k-Nearest Neighbor Classifiers, Support Vector Machines, and Neural Networks.
KNN
- 最近邻分类算法，最简单的分类器解决分类问题。(Nearest neighbor classification algorithm, the simplest classifier, solves the classification problem.)
knn
- 模式识别中的k近邻算法，经过测试，运行结果很好。 最小距离分类器 : 它将各类训练样本划分成若干子类，并在 每个子类中确定代表点 。测试样本的类别则以其与这些代表点距离最近作决策。该方法的缺点是所选择的代表点并不一定能很好地代表各类，其后果将使错误率增加。(The k nearest neighbor algorithm in pattern recognition has been tested and the result is very good. Minimum distance c
ICP minimal
- 最小函数实现ICP最邻近点迭代配准算法，实现速度要优于四元函数实现方式。(Iterative registration algorithm of ICP nearest neighbor points based on minimum function is faster than that based on quaternion function.)
2DPCA
- 基于ORL人脸库的2DPCA图像识别与人脸重建代码，采用最近邻域进行分类(2DPCA image recognition and face reconstruction code based on ORL face ,using the nearest neighbor classification.)
最近令近点对
- 用C++实现最近邻近点对，利用算法导论的知识实现最近邻近点对问题(Using C++ to implement nearest neighbor pairs, we use the knowledge of algorithm introduction to realize nearest neighbor point pairs.)
k-近邻点估计点云法向量
- 利用matlab实现k-近邻点估计点云法向量求解，(Matlab is used to solve the normal vector of k-nearest neighbor point cloud.)
鸢尾花分类
- 使用四种方法进行鸢尾花分类：最小距离分类器，K 近邻法，感知器，Fisher 准则。(Four methods are used to classify iris: minimum distance classifier, K-nearest neighbor method, perceptron and Fisher criterion.)
matlab代码
- Matlab代码，根据算法原理自己编写的基本算法的代码，有：KNN，层次聚类，C均值，最邻近算法。包括自己挑选的数据集，对算法准确率的测试。(Matlab code, the code of the basic algorithm written by itself according to the algorithm principle, there are: KNN, hierarchical clustering, C-means, nearest neighbor algorithm.
kNN
- K最近邻(k-Nearest Neighbor，KNN)分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。该方法的思路是：在特征空间中，如果一个样本附近的k个最近(即特征空间中最邻近)样本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 (KNN) classification algorithm is a relatively mature method in theory and one of the simplest machine
KNN01
- 用来作分类识别的KNN算法,非常好用非常好用(A very useful nearest neighbor algorithm)
PCA+mnist
- 基于python，利用主成分分析（PCA）和K近邻算法（KNN）在MNIST手写数据集上进行了分类。 经过PCA降维，最终的KNN在100维的特征空间实现了超过97%的分类精度。(Based on python, it uses principal component analysis (PCA) and K nearest neighbor algorithm (KNN) to classify on the MNIST handwritten data set. After PCA dime
基于php的KNN算法实例
- kNN算法又称为k近邻分类(k-nearest neighbor classification)算法。最简单平凡的分类器也许是那种死记硬背式的分类器，记住所有的训练数据，对于新的数据则直接和训练数据匹配，如果存在相同属性的训练数据，则直接用它的分类来作为新数据的分类。用这种算法可以完成最简单的机器学习算法，适合参加科技比赛和演示
knnsearch
- knnsearch: Linear k-nearest neighbor (KNN) search 在R中找Q的k邻域Q,R中每一行表示一个点的分量 knnsearch.m