搜索资源列表
knnsearch
- 寻找测试样本的最近邻，可以有效的用于用于模式识别，信号处理-This is a small but efficient tool to perform K-nearest neighbor search, which has wide Science and Engineering applications, such as pattern recognition, data mining and signal processing. The code was initially
kNN_pred
- 采用改进的K最近邻算法对混沌时间序列进行预测-The improved K-nearest neighbor algorithm to predict chaotic time series
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.
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
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
Parzen_k
- 主要内容包括两种非参数估计方法：Parzen窗估计和k最近邻估计。-The main contents include two non parametric estimation methods: Parzen window estimation and K nearest neighbor estimation.
KraskovMI
- 计算Kraskov估计的互信息值。首先计算各样本的最近邻，然后给出两种互信息值。-computes the Kraskov estimator for the mutual information.k: nearest neighbour. Output: I1, I2: the two estimator of MI.
kUntitled1
- k-最近邻算法分类器，程序清晰易读，有注解，方便最算法的进一步掌握-K- nearest neighbor classifier algorithm, procedures Notes clear and easy to read, easy to grasp the algorithm.
KNN
- K近邻原理MATLAB代码程序，很详细，很实用，可以直接用(knn matlab matlab code)
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.)