搜索资源列表
ordinary_algorithm_for_pattern_recognition
- 使用C语言实现的一些简单模式识别聚类算法，用于简单的二维坐标系点的聚类。有最短距离算法、K均值算法、近邻算法、fcm算法、最大最小距离算法。-Using the C language implementation of some simple pattern recognition clustering algorithm for a simple two-dimensional coordinate system point of clustering. Has the shortest di
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
find_nn
- 这是一个利用K-means计算数据K最近邻点的MATLAB程序，简单方便。-This is a K-means computing program MATLAB data K nearest neighbor, simple and convenient.
classification-Python
- python实现感知器、贝叶斯分类、决策树分类、K最近邻法、逻辑回归、支持向量机-Python implementation of perceptron, Bias classification, decision tree classification, K nearest neighbor method, logic regression, support vector machine
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
KNN1
- 对k近邻方法进行改进，knn方法中自动获取k值-Automatic selection of K value in KNN algorithm
KdTree
- kdtree的建立，实现k近邻搜索，已经按半径搜索-Kdtree establishment, and k nearest neighbor search and radius of the index
knn-kdtree
- kd树，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）。K-D树是二进制空间分割树的特殊的情况。-KD tree, the data structure of K dimensional data space. It is mainly used in the search of key data in multidimensional space (such as range search and nearest neighbor search). K
MLkNN
- K近邻分类算法是一种简单有效的方法，基于此提出了多标签K近邻分类算法用于多标签分类研究(multi-label classification algorithm)
KD-tree
- C++构建简单的KD树并查找K近邻，是一篇文档，内附代码，代码亲测可用(C++ to build a simple KD tree, and find K nearest neighbor, is a document, enclosing code, code pro test available)
knn分类
- 进行K近邻分类器的编写，与k近邻分类器的测试(K nearest neighbor classifier, and K nearest neighbor classifier test)
类比法
- 型的类比学习方法是K-最近邻方法,它属于懒散学习法,相比决策树等急切学习法,具有训练时间短,但分类时间长的特点。K-最近邻算法可以用于分类和聚类中(The analogy learning method is K- nearest neighbor method. It belongs to the lazy learning method. Compared with the decision tree learning method, it has the characteristics o
MLkNN
- 该程序是基于传统的K近邻方法发展而来的一种可用于多标签分类的方法(this code can be used for multi-label classification problem)
三步搜索法
- 本实验的目的是学习Parzen窗估计和k最近邻估计方法。在之前的模式识别研究中，我们假设概率密度函数的参数形式已知，即判别函数J(.)的参数是已知的。本节使用非参数化的方法来处理任意形式的概率分布而不必事先考虑概率密度的参数形式。在模式识别中有躲在令人感兴趣的非参数化方法，Parzen窗估计和k最近邻估计就是两种经典的估计法。(The purpose of this experiment is to study the Parzen window estimation and the k nea
KNN方法
- 邻近算法，或者说K最近邻(kNN，k-NearestNeighbor)分类算法是数据挖掘分类技术中最简单的方法之一(The adjacent algorithm, or the K nearest neighbor (kNN, k-NearestNeighbor) classification algorithm is one of the simplest methods in the data mining classification technique)
text classification
- 利用K近邻算法实现的文本分类器 提供分属于20个类别的20000个新闻文本，每个类别含1000个文本。(Text classification using KNN)
机器学习
- 此算法是对机器学习实战这本书中的K近邻算法进行了代码的详细介绍(K neighbor algorithm of machine learning code explained in detail)