2回答
最近点对算法
algorithm
我目前正致力于在C++中实现最近点对算法。也就是说，给定点列表(x，y)，找出具有最小欧几里德距离的点对。我对此做了研究，我对算法的理解如下(如果我错了，请纠正我)：
将点数组沿中间递归拆分，找到左右半部分距离最小的点对。按y坐标对左右两半进行排序，并将左侧的每个点与右侧的6个最近邻居(按y坐标)进行比较。这背后有一些理论上的东西，但这是我对需要
浏览 6提问于2011-10-14得票数 3
4回答
如何从具有非均匀概率的列表中选择值？
c++、probability
我在看初始化算法。该算法的以下两个步骤产生了非均匀概率：
在C++中，如何用这种规定的加权概率分布进行选择？
浏览 0提问于2011-12-19得票数 5
回答已采纳
1回答
监督学习分类
machine-learning、regression、nearest-neighbor、supervised-learning、unsupervised-learning
我知道k-NN是一种分类方案，对于你想要分类的每个点，取k个最近的邻居，然后使用一定的距离，并使用多数投票对点进行分类。有没有一个类似的回归算法，只有一个类，A类，你有一个数据集，在特征空间中的一些(而不是所有)点在A类中，为了计算特征空间中的一个新点在A类中的概率，你看一下A类的点在距离k内的密度？
浏览 14提问于2019-01-09得票数 0
2回答
Rabin的最近邻居(最近的点对)算法？
algorithm、nearest-neighbor、rabin
所以我正在尝试寻找关于Michael Rabin的算法的细节，该算法在O(n)时间内找到给定2D中的一组点的最近邻居。出于某种原因，谷歌搜索完全让我失望了。我找到的最好的(也是唯一的)描述是：。
浏览 8提问于2011-02-16得票数 5
回答已采纳
2回答
用于像素聚类的高斯混合模型
python-3.x、scikit-learn、cluster-analysis、gmm
我有一小组航空图像，其中图像中可见的不同地形已被人类专家标记。例如，一幅图像可能包含植被、河流、落基山脉、农田等。每幅图像可能有一个或多个这些标记的区域。使用这个小的标签数据集，我想为每种已知的地形类型拟合一个高斯混合模型。完成此操作后，对于在图像中可能遇到的每N种地形，我将拥有N个GMM。 现在，给定一个新图像，我想通过将像素分配给最可能的GMM来确定每个像素属于哪个地形。这是正确的思路吗？如果是，我该如何使用GMM对映像进行群集
浏览 37提问于2019-05-28得票数 1
回答已采纳
1回答
基于欧氏距离的概率
probability、graph-algorithm、genetic-algorithm、euclidean-distance
我正在研究一种用于多个仓库车辆路径问题的遗传算法。我正在根据客户到仓库的距离来创建候选解决方案。我已经创建了一种方法，为每个仓库为每个客户提供服务的概率。depotProbability = (maximumDistance - currentDepotDistance) / totalDistance
虽然这个公式有效，但我希望能以某种方式增加或降低概率我希望能够从最近的仓库总是被选择的点转移到仓库被随机分配的点。
在接受的答案中实现该算法</e
浏览 5提问于2016-06-10得票数 1
回答已采纳
1回答
K-均值++聚类算法
machine-learning、cluster-analysis、k-means
K-means++的算法是：
取一个质心c(i)，从数据集中随机选取一个质心c(i)，取一个新的质心c(I)，从数据集中选择一个实例x(i)，其概率为D(X(i))^2/Sum(D(X(j))^2)从j=1到m，其中D(X(i))是实例与所选最近的质心之间的距离。这个参数m在概率求和中的作用是什么？
浏览 3提问于2022-08-09得票数 -1
1回答
K近邻
classification
K-最近邻算法是一种判别分类器还是生成分类器？我对此的第一个想法是，它是生成的，因为它实际上使用Bayes定理来计算后验。进一步研究，它似乎是一种判别模型。但我找不到解释。
浏览 0提问于2014-12-13得票数 4
回答已采纳
2回答
最近点对(线性一维情况)算法
algorithm、computational-geometry
我在辅导一个学生，她的作业之一是描述一维情况下最接近的点对的O(nlogn)算法。但限制是她不能使用分而治之的方法。我从几年前一个用户发布的问题中理解了二维情况。然而，对于一维的情况，我只能想到一个解决方案，包括检查直线上的每个点，并将其与其左侧和右侧最近的点进行比较。但是这个解决方案不是O(nlogn)，因为检查每个点将花费与n成比例的时间，并且每个点的比较将花费与2n成比例的时间。如果不使用分而治之的方法，我不确定log(n)从何而来。
浏览 2提问于2014-10-10得票数 1
2回答
测量向量间距离
probability、euclidean-distance、cosine-similarity
将向量看作一个离散的概率分布(这是有意义的)，并计算一些散度测度。
抱歉，我有个小问题，但我得先找个地方.
谢谢!
浏览 1提问于2013-09-27得票数 0
4回答
生成具有定义的最小和最大距离的随机点
algorithm
我需要在2D空间中生成点的算法思想，定义了点之间的最小和最大可能距离。最基本的是，我想要找到一个好的方法来在充满点的2D空间中插入点，这样点就有随机的位置，但也比MINIMUM_DISTANCE_NUM多，离最近的点比MAXIMUM_DISTANCE_NUM少。我需要它用于游戏，所以它应该是快速的，而不是依赖于随机概率。
浏览 1提问于2012-01-20得票数 6
回答已采纳
1回答
寻找相似的高维向量
algorithms
对于第一个列表中的每个元素，我希望在第二个列表中找到最近的元素。这样一个最接近的元素可能与我正在搜索的元素相差几千位。所以我在寻找一种速度更快的算法。
假设我有d=10000，m=1十亿和n=100十亿，我希望算法能在几天内终止。第一个列表中的元素是通过从第二个列表中获取一个随机元素并以相同的概率(p< 0.5 )翻转每个位来创建的。我想支持尽可能接近0.5的p值。我对概率算法很在行，它们能找到高概率的匹配。
浏览 0提问于2016-01-16得票数 6
1回答
Lightgbm置信区间
scikit-learn、random-forest、lightgbm
我想为我训练过的lightgbm模型的每个样本计算一个置信区间。我想知道是否可以用lightgbm来实现类似的想法。特别是：这能在科学学习中完成吗？
从训练分位数模型的替代方案中，是否有其他方法来获得预测光照的置信区间？
浏览 0提问于2020-06-18得票数 3
1回答
数据点被很好分类的概率
python、sklearn-pandas、unsupervised-learning、supervised-learning
我有标记和未标记数据的混合，最后一个我想使用半监督学习对其进行分类。假设我已经有了一个算法，它在预测训练子样本的标签时给了我最好的准确性。我想用这个算法来预测未加标签的子样本的标签。我只想从伪标记数据中选择那些被很好分类的概率高于0.8的点，并重复该过程，直到所有未标记的数据都以高概率进行了伪标记。我怎样才能做到这一点呢？有没有代码或内置函数可以帮助我计算这样的概率？
浏览 24提问于2020-04-16得票数 0
1回答
具有最小汉明距离的对的快速计算
algorithm、hamming-distance
该算法应该返回具有最小成对汉明距离的k对。算法
朴素的实现计算所有成对距离，对对进行排序，并返回距离最小的k: O(N^2)。有没有更好的数据结构或算法？看起来不能使用来自的想法，因为没有单个查询整数。
浏览 0提问于2011-08-17得票数 4
回答已采纳
1回答
隐马尔可夫模型正向算法中的下溢
algorithm、probability、underflow
我正在为HMM实现前向算法，以计算给定HMM发出给定观测序列的概率。我希望我的算法对下溢是健壮的。我不能在对数空间中工作，因为向前算法需要概率的乘法和加法。避免下溢的最好方法是什么？我读过一些关于这方面的资料，但我得到的最好的建议是在每个时间步长上缩放概率。在算法结束时，你将不会得到你想要的确切概率(观察序列)。此外，除非我错了，否则如果您按照上面参考文献中提出的在每个时间步缩放概率，则无法对给定观
浏览 7提问于2012-11-15得票数 5
回答已采纳
1回答
如何在使用最近点对算法时存储一对点
python-3.x、algorithm、zelle-graphics
我已经实现了一个最近点对算法，我正在尝试找出随机大小的随机点列表中的哪些点是最近的。我没有得到有问题的点，我要么让它再次返回距离，要么什么都不做。我对任何批评都持开放态度，但我对为什么会遇到这些问题感到困惑，因为在理论上，当距离达到新低时，温度表明了这一点，然后我可以将这对点作为变量或在列表中进行附加或设置。
浏览 16提问于2018-01-23得票数 0
回答已采纳
5回答
类K近邻分类的“可能性”
statistics、machine-learning、cluster-analysis、classification
我希望根据现有的数据点标签对新的数据点进行分类，并将属于任何特定标签类别的“概率”关联起来。谢谢
浏览 0提问于2011-02-08得票数 6
2回答
最近点对算法的一种变种
algorithm、geometry
最近的点对问题在计算几何中是众所周知的:给定点(x，y)的列表，找到具有最小欧几里德距离的点对。现在我要问这个问题的一个变体:给定n个点(xi，yi) (n+1>i>0)的列表，找到每个点(xi，yi)的最近欧几里德距离，然后计算所有点的平均最近欧几里德距离。我想知道是否有一些快速算法来解决这个问题。谢谢!
浏览 0提问于2012-07-17得票数 3
回答已采纳
云服务器
ICP备案
对象存储
云点播
实时音视频
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号