搜索资源列表
Klinjin
- 近邻法的基本思想是在测试样本x的k个近邻中，按出现的样本类别来作为x的类别，即先对x的k个近邻一找出它们的类别，然后对x类别进行判别，即在N个训练样本中，找出x的k个近邻。-The basic idea is that neighbors in a test sample x, k-nearest neighbor in categories according to the sample appears as a type of x, ie the first k nearest neighb
ll
- K最近邻(k-Nearest Neighbor，KNN)分类算法-K nearest neighbor (k-Nearest Neighbor, KNN) classification algorithm
C
- 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。-K nearest neighbor (K-Nearest Neighbor, KNN) classification algorithm, is a more mature approach in theory is the simplest machine learning algorithms.
e4k-means-althogrim
- 基于K—Means的中文文本聚类算法的研究和实现。中文文本聚类的主要技术，特征选择，共享最近邻的K-Means的改进算法。基于k-Means的实现和实验。-Based on the Chinese version of K-Means clustering algorithm and implementation. The main technology of Chinese Text Clustering, feature selection, shared nearest neighbor
knn
- java语言实现的KNN算法代码。 KNN就是K最近邻(k-Nearest Neighbor，KNN)分类算法-java language code of the KNN algorithm. KNN is a K-nearest neighbor (k-Nearest Neighbor, KNN) classification algorithm
flann-1.6.11-src
- 快速计算近似最近邻域，可用于图形处理中计算点云的k-Quickly compute approximate nearest neighbor, can be used for graphics processing point cloud computing knn
ren-gong-zhi-neng
- 用c语言编的几个人工智能程序，包括蚁群算法，k最近邻, hebb学习, Hopfield 网络, 后向传播网络。-Artificial intelligence inside the c program, ant colony algorithm and k nearest neighbor, hebb study, the Hopfield network, back propagation network.
philbinj-fastann-cbf02be
- 近似最近邻多维向量快速匹配算法，使用随机k-d树-FASTANN: A library for fast approximate nearest neighbours
ANNTest
- 查找二维和三维空间中K最近邻点的算法，在Approximate Nearest Neighbor Searching（ANN）的基础上进行了包装，易于使用。-Find the two-dimensional and three-dimensional space of K nearest neighbor algorithm, Approximate Nearest Neighbor Searching (ANN) based on the packaging.
KNN
- K最近邻C实现，测试通过，可以使用，主要适用于数据库定位方法-K nearest neighbor C implementation, the test passes, you can use, mainly applied to the database location method
Semi-supervised-learning
- 义了一个欧氏距离和监督信息相混合的新的最近邻计算函数，从而将K一均值算法很好地应用于半 监督聚类问题。针对K一均值算法初始质心敏感的缺陷，用粒子群算法的搜索空间模拟聚类的欧氏空间，迭代搜 索找到较优的聚类质心，同时提出动态管理种群的策略以提高粒子群算法搜索效率。算法在UCI的多个数据集 上测试都得到了较好的聚类准确率。-Righteousness of a Euclidean distance and supervision of a mixture of new nearest n
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.
pattern1_a
- . PCA人脸识别 A．闭集测试。用每个人的前5张图像作为训练，剩下的5张图像作为测试。也就是说总共有200张训练图像和200张测试图像。采用最近邻分类，分析选取不同的主分量个数K，对识别率的影响 -. PCA Face Recognition A. Closed set tests. With each of the first five images for training, the remaining 5 images as a test. That is a total of
small-world-networks
- 1998年, Watts和Strogatz 提出了小世界网络这一概念,并建立了WS模型。 实证结果表明,大多数的真实网络都具有小世界特性(较小的最短路径) 和聚类特性(较大的聚类系数) 。 WS小世界模型构造算法 1、从规则图开始：考虑一个含有N个点的最近邻耦合网络，它们围成一个环，其中每个节点都与它左右相邻的各K/2节点相连，K是偶数。 2、随机化重连：以概率p随机地从新连接网络中的每个边，即将边的一个端点保持不变，而另一个端点取为网络中随机选择的一个节点。其中规定，任意两个不同的
knnClassification
- 十大经典人工智能算法之一——K最近邻Matlab实现-One of the top ten classical artificial intelligence algorithms- K nearest neighbor Matlab implementation
Myknn
- KNN邻近算法,程序运行结果显示所有样本以及其类别，待分类样本所属的类（{1,18,11,11,0.5513196}属于"2"类），以及它的5个最近邻的类别和与它之间的距离。内有详细说明文档。-k-Nearest Neighbor algorithm
LSH代码
- 建立哈希函数表，并将查询点映射到这些所建立的表中，回收映射到表中的对应点，由KNN算法糟糕到K个最近邻点
fisher
- Fisher线性鉴别分析已成为特征抽取的最为有效的方法之一 .但是在高维、小样本情况下如何抽取Fisher最优鉴别特征仍是一个困难的、至今没有彻底解决的问题 .文中引入压缩映射和同构映射的思想 ,从理论上巧妙地解决了高维、奇异情况下最优鉴别矢量集的求解问题 ,而且该方法求解最优鉴别矢量集的全过程只需要在一个低维的变换空间内进行 ,这与传统方法相比极大地降低了计算量 .在此理论基础上 ,进一步为高维、小样本情况下的最优鉴别分析方法建立了一个通用的算法框架 ,即先作K L变换 ,再用Fisher鉴别
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
KNN
- 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。所谓K最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。 kNN算法的核心思想是如果一个样本在特征空间中的k个最相邻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，并具有这个类别上样本的特性。该方法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。 kNN方法在类别决策时，只与极少量的相邻样本有关。由于kNN方