快速近邻法

快速近邻法分类程序的Matlab实现

介绍了快速近邻法分类程序在Matlab中的实现方法。

Matlab 0 2024-08-29

快速近邻传播聚类算法

一种快速有效的聚类方法，利用Silhouette指标确定偏向参数，结合局部保持投影方法删除数据冗余信息，处理复杂和高维数据。实验表明，该算法优于传统近邻传播算法。

算法与数据结构 2 2024-04-30

基于重复剪辑近邻法的决策树性能优化

针对决策树算法易受样本噪声和混杂区域干扰的问题，可以利用重复剪辑近邻法进行优化。该方法能够有效识别并剔除训练样本集中符合特定条件的噪声数据，清除混杂区域中后验概率较小的类别样本，进而构建更符合贝叶斯分类准则的类别边界。通过筛选后的训练样本集构建决策树，能够在保证分类准确率的前提下，显著降低决策树的规模，增强其可理解性和应用价值，最终实现决策树性能的提升。

数据挖掘 2 2024-05-25

改进K-近邻法的文本分类算法分析与优化

文本自动分类技术是数据挖掘的重要分支，K-近邻法作为常见的文本分类算法之一，其存在一些局限性。基于对K-近邻法的分析，针对其不足提出了改进方案，在保证判定函数条件的前提下，优化了算法，避免了K值的搜索过程，从而降低了计算复杂性并提升了效率。实验证明，改进后的K-近邻法在文本分类任务中具有显著的效果。

数据挖掘 2 2024-08-03

快速点云法向量计算

提供一种高效算法，用于计算点云数据中每个点的法向量，并附带测试数据，方便验证算法效果。

算法与数据结构 5 2024-05-20

基于增强型快速自举法的ICA统计推断

此MATLAB工具包实现了S. Basiri、E. Ollila和V. Koivunen于2017年发表在《信号处理》期刊上的论文“ICA模型中用于统计推断的增强型引导方法”中提出的引导方法。论文详细信息：S. Basiri, E. Ollila, V. Koivunen. ICA模型中用于统计推断的增强型引导方法. 信号处理, 卷. 138, 2017, 第53-62页, 2017年3月.如果在您的出版物中使用此工具包，请引用上述论文。

Matlab 2 2024-05-29

数据科学WiFi定位系统的k近邻与加权k近邻位置预测

案例包括R语言程序调试、开发文本数据处理与挖掘的函数、各种可视化图集（具体可参考博客中展示的一部分），k近邻与加权k近邻，以及最终的模型预测。数据量为140多万记录，针对不同的预测变量进行了汇总。自己编写了针对k近邻与加权k近邻的十折交叉验证程序，并进行了可视化展示。整个项目过程全程没有使用R语言中现有的包，所有代码都是独立编写的。对于想要提升R编程能力的同学，这个项目将是一个绝佳的选择。谢谢大家支持！

数据挖掘 0 2024-10-27

K近邻分类算法实现代码

K近邻（K-Nearest Neighbors，简称KNN）是一种机器学习算法，被广泛应用于分类和回归问题。该算法基于实例学习，通过找出训练集中与新样本最接近的K个样本，利用它们的类别进行预测。详细介绍了KNN算法的实现步骤：数据预处理，距离计算，最近邻选择，类别决策以及评估与优化。此外，提供了K-近邻法分类代码的下载链接，可以帮助读者理解并实现该算法。

数据挖掘 0 2024-09-23

正弦光栅相位测量法：快速、精准的三维测量技术

正弦光栅相位测量法凭借其快速、精准、全场测量以及数据利用率高等优点，成为当前备受瞩目的测量方式。这项技术不仅在研究领域蓬勃发展，部分研究成果也已成功实现商业化，展现出其在三维测量领域的显著优势。

算法与数据结构 4 2024-04-29

探究Matlab语言中的K近邻算法

K近邻算法, 简称KNN, 是一种常用的机器学习算法, 在Matlab语言中有着广泛的应用. KNN算法尤其适用于解决分类问题, 通过分析与目标数据点最接近的K个邻居的类别, 来预测目标数据点的类别.

算法与数据结构 3 2024-05-20