腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
精选内容/技术社群/优惠产品,
尽在小程序
立即前往
文章
问答
(9999+)
视频
沙龙
2
回答
非度量空间中
的
最
近邻
搜索
、
、
我想知道在非度量空间中工作时
的
最
近邻
搜索
算法
?具体地说,在这种情况下,是否存在kd-tree
算法
的
任何变体,具有可证明
的
时间
复杂度
等?
浏览 2
提问于2017-09-03
得票数 1
1
回答
下面的
算法
与最近
的
邻居相似,其
复杂度
是多少?
、
、
、
、
以下
算法
的
时间
复杂度
是多少?输入:点集P及其欧几里德坐标 复杂性是O(n)还是O(N 2)?
浏览 4
提问于2014-04-10
得票数 3
回答已采纳
1
回答
TSP
算法
的
大O时间
复杂度
、
、
、
、
我已经用Python语言编写了两个最
近邻
算法
,我必须用O(n)和Θ(n)来分析运行时
的
复杂度
。所以我尝试了几个样本,我不明白为什么我
的
一个
算法
比另一个更快。下面是我
的
重复最
近邻
(RNN)
算法
的
代码: return shortest_tour(nn_tsp(cities, start) for下面是我
的
最
近邻
(ANN)<
浏览 3
提问于2021-01-27
得票数 1
3
回答
在计算机视觉中,近似最
近邻
是最快
的
特征匹配吗?
、
、
、
当使用像SIFT,SURF这样
的
特征描述符时,近似最
近邻
是在图像之间进行匹配
的
最快方法吗?
浏览 6
提问于2008-09-23
得票数 2
回答已采纳
1
回答
K
近邻
算法
在现实生活中经常使用吗?
、
我正在通过“Python机器学习入门:数据科学家指南”一书来教自己机器学习,我现在在k
近邻
部分。作者指出,由于“预测速度慢,不能处理多个特征”,该
算法
在实际生活中很少使用。然而,在许多文章中,k
近邻
被提到是数据科学家
最
流行
的
算法
之一。有人能在这里给我解释一下吗?
浏览 2
提问于2018-12-10
得票数 0
回答已采纳
1
回答
如何使用kd-树计算最
近邻
搜索
的
平均时间
复杂度
?
、
、
我们知道kd-树最
近邻
搜索
的
复杂性是O(logn).但如何计算呢?主要问题是回溯
的
平均时间
复杂度
。我试着读过“在对数期望时间内寻找最佳匹配
的
算法
”,但它对我来说太复杂了。有谁知道一个简单
的
计算方法吗?
浏览 0
提问于2014-03-22
得票数 4
回答已采纳
3
回答
在使用最
近邻
算法
对图像进行分类时,通常使用什么特征?
、
、
、
如果要对图像执行K-
近邻
算法
进行分类,如何从图像中提取特征?
最
简单、最有效
的
方法是什么?
浏览 2
提问于2010-12-08
得票数 1
1
回答
组合搜索
的
时间和空间
复杂度
(nCr)
、
、
寻找组合
的
不同
算法
的
最坏情况下
的
时间和空间
复杂度
是什么,即nCr,哪种
算法
在时间/空间
复杂度
方面是
最
知名
的
解决方案?
浏览 0
提问于2015-08-13
得票数 0
2
回答
如何提高Knn
算法
在人脸识别中
的
实时性
、
、
、
我正在做我的人脸检测和识别工作,我想实时检测人脸,数据有没有可能减少训练
的
时间数据谁都能帮上忙“”“ def train(train_dir
浏览 30
提问于2021-05-12
得票数 1
回答已采纳
5
回答
填充numpy数组中
的
空白
、
、
、
、
我只想以
最
简单
的
方式插入一个3D数据集。线性插值,最
近邻
,所有这些都足够了(这是从一些
算法
开始
的
,所以不需要准确
的
估计)。在新
的
scipy版本中,像griddata这样
的
东西会很有用,但目前我只有scipy 0.8。所以我有一个“立方体”(data[:,:,:],(NixNjxNk))数组,以及一个相同大小
的
标志数组(flags[:,:,:,]、True或False)。我想使用例如数据中最接近
的
有效数据点,或一些“接
浏览 0
提问于2011-04-05
得票数 15
回答已采纳
3
回答
搜索相似对象
、
、
、
、
您可以看到对象0和对象1非常相似,但对象17与它们中
的
任何一个都不同。 我希望
算法
能给我数组中所有类似的对象
浏览 0
提问于2018-12-24
得票数 0
1
回答
大多数相似汽车
的
Django自引用类
、
、
、
、
假设我有一个类Car,它有许多描述其特性
的
字段。我使用{{ object.price }}等在我
的
html中调用并显示这些功能。使用最
近邻
算法
,我已经为每辆车计算了
最
相似的汽车列表,并希望能够显示例如
最
相似的五辆汽车
的
特征。我想在我
的
类中为most_similar_cars使用哪种类型
的
字段?请注意,这种关系不是对称
的
。也就是说,虽然汽车B可能是汽车A
的
最
近邻
居,但汽车A不一定是汽
浏览 20
提问于2016-07-21
得票数 0
回答已采纳
4
回答
大多数机器学习技术是由线性回归和kNN产生
的
吗?
、
、
在阅读时,我偶然发现了这句话: 今天使用
的
最
流行
的
技术中有很大一部分是这两个简单过程
的
变体。事实上,1
近邻
,其中最简单
的
,占据了低维问题市场
的
很大一部分。它是参考线性回归和k-最
近邻
算法
.我想知道这句话有多准确。更具体地说,今天使用
的
流行ML方法不依赖于这两种简单方法
的
假设和特性?
浏览 8
提问于2014-02-03
得票数 1
回答已采纳
1
回答
图-具有顶点权
的
最短路径
、
、
、
、
这是一项消费税:(a)假设图中
的
每个边
的
权重为零(而非边
的
代价为.Assume),则Cv =1对于所有顶点1≤v≤n (即所有顶点都有相同
的
浏览 3
提问于2012-05-04
得票数 21
回答已采纳
1
回答
返回n个不同最
近邻
向量
的
索引
、
、
、
在一组D维向量中,最
近邻
居
算法
可以有效地获取整个集合中每个向量
的
n个最
近邻
居。但是,有没有一种
算法
就像最
近邻
搜索一样,不考虑相同
的
向量?
浏览 3
提问于2012-12-19
得票数 0
回答已采纳
4
回答
在距离另一个点一定距离
的
2D网格上查找所有点
的
算法
、
、
、
我在2D网格(x,y)上有一些点,我需要找到距离该点n个距离
的
所有点。我测量距离
的
方法是使用两点之间
的
距离公式。有人知道怎么做吗?编辑:仅供参考,我正在尝试编写一些AI路径查找,它将在使用基于网格
的
位置
的
系统中保持与目标的一段距离。目前我正在使用A*路径查找,但我不确定这是否重要或有什么不同,因为我对这个东西有点陌生。
浏览 1
提问于2012-01-01
得票数 6
回答已采纳
1
回答
如何训练K
近邻
野猪(Knn)?
、
、
、
有没有办法告诉Python中
的
Knn函数,在我预测可能
的
结果之前,他应该多久训练一次模型?根据我
的
理解,如果一个模型被训练了不止一次,它就会更健壮。还是我搞错了?从我
的
代码来看,这个模型很可能是一次训练: neigh = KNeighborsClassifier
浏览 6
提问于2022-09-11
得票数 0
回答已采纳
2
回答
如何在无组织点云中
的
具有特定半径
的
球面空间中找到一组点
、
、
、
我们考虑点云中
的
一个点。我想确定在一个预定半径内
的
每个点周围
的
球面空间内
的
点
的
集合。在下面的图片中,有一个非常清楚
的
例子说明了我
的
意思, points[i].Sphere.push_back(points[j]); }} 这里
的
问题是,所提出
的
算法<
浏览 6
提问于2017-03-01
得票数 0
回答已采纳
1
回答
strstr()在gcc和VS中
的
实现是否具有线性
复杂度
?
、
、
、
我知道有一些快速字符串搜索
算法
,比如和,它们具有O(n+m)
复杂度
,而简单
的
解决方案是O(n*m)。那么,对于
最
流行
的
工具链-- gcc和Visual - strstr()
的
实现是使用这些快速O(n)
算法
,还是使用琐碎
的
解决方案?
浏览 4
提问于2014-04-02
得票数 5
回答已采纳
1
回答
我们如何使用最
近邻
插值
算法
绕自定义轴心点旋转RGB图像?
、
、
、
、
我正在尝试理解计算机视觉中
的
图像插值
算法
。我意识到有一大堆插值技术,如线性,双三次,最
近邻
等,用于图像旋转。最
近邻
技术似乎是这一领域
最
简单
的
算法
。我理解一些基本概念,比如当我们使用旋转矩阵旋转图像时,由于余弦和正弦运算,新图像
的
行和列将变为浮点值。我们必须截断浮点值并进行插值,以预测缺少图像坐标的数据……我知道有三个帖子与这个问题非常相关:Post 1;Post 2和Post 3 在所有这些帖子中,他们都没有解释如何围绕自定义轴心点(可以是图像中心或偏
浏览 43
提问于2019-06-24
得票数 1
回答已采纳
点击加载更多
扫码
添加站长 进交流群
领取专属
10元无门槛券
手把手带您无忧上云
相关
资讯
K近邻算法入门
K近邻算法的Python实现
什么是复杂度算法?详述复杂度算法的原理?用C语言实现复杂度算法。内附完整代码。
Tensorflow教程-最近邻算法
k-近邻算法分类
热门
标签
更多标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM
活动推荐
运营活动
广告
关闭
领券