一种快速搜索散乱点云数据 k 邻近的算法 对逆向工程中散乱点云数据的 k 近邻搜索，提出一种快速搜索散乱点云 k 邻近点的算法。该算法根据 点云数据的范围、点的总数及最近点数目 k，确定合适的立方体边长，采用空间划分策略，把数据划分成多个子立方体； 然后用哈希表记录每个子立方体所包含的数据点及每个点所在的立方体索引号，并排除不包含数据的子立方体，以此 确定邻近点的最佳搜索范围。实验结果表明：该算法有效的提高 k 近邻搜索的速度，同时保证了搜索结果的正确性。 -a fast m

基于K均值的PSO聚类算法,非常适合计算机视觉方面的研究使用,包括最小二乘法、SVM、神经网络、1_k近邻法。- K-means clustering algorithm based on the PSO, Very suitable for the study using computer vision, Including the least squares method, the SVM, neural networks, 1 _k neighbor method.

如果在一个网络中，每一个节点只和它周围的邻居节点相连，那么就称该网络为最近邻耦合网络。常见的一种具有周期边界条件的最近邻耦合网络包含围成一个环的N个节点，其中每个节点都与它左右各K/2个邻居节点相连，这里K是一个偶数。构造算法：初始化时，N个初始节点均匀分布在圆周上，而后每个节点与自己的第k/2个邻居建立连接。