搜索资源列表
stan
- 能够在若干个有欧氏距离的点中找到一棵最小生成树，并据此生成一棵斯坦纳最小树，使得在添加了若干个辅助点以后，这棵树的长度接近最短（优化）。-For some points,it can find a Steiner tree (a similarly shortest tree).
bvh2xyz
- 用于运动捕获数据所读取文件的转换，最终得到欧氏距离的数据-Motion capture data for converting files to read, and ultimately get the data Euclidean distance
KNN
- 自己编写的最近邻KNN算法，采用的距离是欧氏距离，附加了详细的中文注释，还有一个测试集和一个训练集- I have written KNN nearest neighbor algorithm, the distance is the Euclidean distance, additional detailed notes in Chinese, as well as a test set and a training set
CK-1_Repro.v1.02
- 有时间序列方法和技术的兴趣大增。从人，自然收集的信息几乎每一件，和生物过程是容易随时间的变化，以及这些变化如何发生的研究是一个中心问题充分理解这样的过程。所有的时间序列数据挖掘任务的分类中，可能是最突出的一个。在时间序列的分类有大量的实证研究，在时间域表明近邻规则是非常有效的。然而，一定的时间序列特征不在这个领域很容易地识别和表达的变化可能揭示了一些重要的和未知的特征。在这项工作中我们提出了递归图的使用对于时间序列的分类表示域。我们的方法复发措施地块使用坎帕纳基奥之间的相似性（CK-1）的距离，
RBF
- RBF神经网络：rbf原理：所谓径向基函数(Radial Basis Function 简称 RBF），就是某种沿径向对称的标量函数。通常定义为空间中任一点x到某一中心xc之间欧氏距离的单调函数，可记作 k(||x-xc||），其作用往往是局部的，即当x远离xc时函数取值很小。最常用的径向基函数是高斯核函数，形式为 k(||x-xc||)=exp{- ||x-xc||^2/（2*σ）^2） } 其中xc为核函数中心，σ为函数的宽度参数，控制了函数的径向作用范围。在RBF网络中，这两个参数往往是可
knnalgorithm
- k最近邻算法，给出训练样本和测试样本，通过样本间欧氏距离或是绝对距离来寻找测试样本的k个近邻，并根据k个实例里多数所属的类将该测试样本归为该类。-k-nearest neighbor algorithm, given the training and testing samples by the Euclidean distance between the samples or the absolute distance to find the k nearest neighbors of th
CPP
- 对矩阵欧氏距离及灰色关联度的计算，学完C++的同学可以利用此例程提高水平-Euclidean distance matrix calculation and gray associated degree, completion of C++ students can use this routine to raise the level
1
- 级联分类器检测cpp 自己编写的拥有跟踪欧氏距离方法-boosting detect object
Cluster_K-means
- k中心算法的基本过程是:首先为每个簇随意选择一个代表对象，剩余的对象根据其与每个代表对象的距离（此处距离不一定是欧氏距离，也可能是曼哈顿距离）分配给最近的代表对象所代表的簇；然后反复用非代表对象来代替代表对象，以优化聚类质量。聚类质量用一个代价函数来表示。当一个中心点被某个非中心点替代时，除了未被替换的中心点外，其余各点被重新分配。-The basic process k center algorithm is: First free to choose a delegate object fo
123
- 生成两个均包含 N=1000个两维矢量的数据集合 和 ，数据集合中的矢量来自于三个类别模型，假设类别的先验概率由矢量 实现 给出 1. 分别画出两个数据集合。 2. 在两个数据集合上分别应用贝叶斯分类器和欧氏距离分类器。 3. 对每个数据集合每种分类器计算分类错误率-Generates two data sets contains N = 1000 and the two-dimensional vector, the vector data set three
MATLAB
- 一个关于sinc函数最小欧氏距离计算的程序，和仿真，研究超奈奎斯特可以借鉴-A program sinc function on the minimum Euclidean distance calculation, and simulation of Super Nyquist can learn
KNN
- 实现一个knn 分类器。 使用欧氏距离作为度量距离 使用’my_order.m’函数脚本获得某个点最近的K 个邻居 使用’my_classify.m’函数脚本获得点的类型。 给定参数k，就可以调用这两个函数完成knn 分类器功能。 -Achieve a knn classifier. Using Euclidean distance as a measure of distance using the my_order.m function scr ipt to ge
code_1
- 在机器学习中利用欧氏距离设计一个KNN分类器，实现五折交叉验证，并用PCA进行降维-Develop a k-NN classifier with Euclidean distance and simple voting.Perform 5-fold cross validation, find out which k performs the best (in terms of accuracy)。Use PCA to reduce the dimensionality to 6, then p
dmatrix
- 这个程序可以计算每一对可能的点的欧氏距离,其坐标由矩阵给出-This program calculates the Euclidean distances of every possible pair of points, whose coordinates are given as rows in a matrix.
noufao_V8.5
- 研究生时的现代信号处理的作业，基于多相结构的信道化接收机，计算两个矩阵之间的欧氏距离。- Modern signal processing jobs when the graduate, Channelized receiver based on multi-phase structure, Calculation of the Euclidean distance between the two matrices.
fennang
- 计算两个矩阵之间的欧氏距离，用于时频分析算法，多抽样率信号处理。- Calculation of the Euclidean distance between the two matrices, For time-frequency analysis algorithm, Multirate signal processing.
fengseng_v58
- 插值与拟合的matlab实现，计算两个矩阵之间的欧氏距离，这个有中文注释，看得明白。- Interpolation and fitting matlab implementation, Calculation of the Euclidean distance between the two matrices, The Chinese have a comment, understand it.
kuijei_v47
- 包括主成分分析、因子分析、贝叶斯分析，计算两个矩阵之间的欧氏距离，使用大量的有限元法求解偏微分方程。- Including principal component analysis, factor analysis, Bayesian analysis, Calculation of the Euclidean distance between the two matrices, Using a large number of finite element method to solve par
bouyen
- 计算两个矩阵之间的欧氏距离，插值与拟合的matlab实现，汽车课设货车Matlab驱动力图程序。- Calculation of the Euclidean distance between the two matrices, Interpolation and fitting matlab implementation, Car class-based truck driver trying to Matlab program.
fangui
- 是一种双隐层反向传播神经网络，计算两个矩阵之间的欧氏距离，基于负熵最大的独立分量分析。- Is a two hidden layer back propagation neural network, Calculation of the Euclidean distance between the two matrices, Based on negative entropy largest independent component analysis.