nearest-neighbor

    0熱度

    1回答

    所以在我的代碼,我得到點的XYZ座標,它應該形成一個輪廓。問題是這些點沒有以正確的方式排序。當我獲得座標時,它們按照上升的x和y值排序。所以首先對x值進行排序,如果兩個點具有相同的x值,則它們按y值排序。 z值始終相同,因此可以忽略。 要對點進行排序以形成輪廓,我使用最近鄰算法的變體。 因此,這裏是我的排序代碼: double squareDistancePoints(const std::arr

    2熱度

    2回答

    我想在Haskell中編寫一個機器學習庫,以處理我的Haskell技能。 我考慮涉及一類是像這樣的一般設計:,給定一組實例X的 class Classifier classifier where train :: X -> y -> trainingData classify :: trainingData -> x -> y 例如,與它們的真實標記Y,列車返回 train

    1熱度

    1回答

    private static Stack<Integer> temp = new Stack<Integer>(); public void populateSubset(int[] DATA, int fromIndex, int endIndex, int target) { if (sumInStack == target) { check = true ;

    1熱度

    1回答

    援引E2LSH手冊(這並不是說是關於這個特定庫重要的是,這句話應該是一般 NN問題真): Ë2LSH也可以用來解決近鄰問題,其中, 在給定查詢q的情況下,數據結構是要求報告中的點P最接近於q的 。這可以通過爲R = R1,R2,...創建多個R近鄰 鄰居數據結構來完成。 。 。 Rt,其中Rt應該爲 大於從任何查詢點到其最近鄰居的最大距離 。最近的鄰居可以通過 查詢數據結構在radiae, 停止的

    1熱度

    1回答

    我期待在python 3中使用歐幾里得距離的LSH的高效執行。 有「蟒蛇」LSHForest實現,但它使用餘弦距離。另外,即使使用這種實現方式,我也沒有找到一種方法來查看每個籃子的內容,例如,如果使用LSH進行聚類 - 它只返回特定半徑內的一定數量的近似鄰居。但是如果我想看到所有的鄰居,我不知道它是如何完成的(我不想使用任意半徑的搜索,而且我真的不確定這個大半徑或無限半徑的意義是什麼,實現)。 將

    2熱度

    2回答

    我已經閱讀this question,但不幸的是它沒有幫助。 什麼我不明白的是我們做當我們瞭解到這桶分配給我們的高維空間查詢向量q:假設使用我們的局部性敏感家庭功能h_1,h_2,...,h_n我們已經翻譯q到低維集(n維度)哈希碼c。 然後c是分配給q的桶的索引,並且在哪裏(希望)也被分配了它的最近鄰居,假設有100個向量。 現在,我們爲了找到做q的NN是計算q和只有這100個向量之間的距離,是

    2熱度

    1回答

    假設我有以下大小的數據集計算平均值平均準確召回錄入數據庫的基本事實: train = 500,000 * 960 %number of training samples (vector) each of 960 length B_base = 1000000*960 %number of base samples (vector) each of 960 length Query = 1

    1熱度

    1回答

    我按照這個question來計算最近的道路(線串)的POI。我能夠計算線串中的最近點,但是我無法找到從POI到線串上最近點(頂點)的距離。 這是我尋找最近POI的代碼。 CREATE TABLE road(id serial PRIMARY KEY, the_geog geography(LINESTRING,4326)); CREATE TABLE poi(gid serial PRIMAR

    0熱度

    1回答

    我有一個關係數據庫存儲lat和long格式的位置。根據當前給定的點,我必須從給定位置的「x」公里內找到db的位置。任何指針如何開始? Places API?

    0熱度

    2回答

    我有2個數據集的單元格(每個集合有多個行(單個單元格),x,y座標列)我想找到數據集A中每個單元格的最小距離在數據中的任何細胞中的一組B. 從細胞的例子 DSA = 0,0 0,1 1,0 DSB集B = 2,2- 找到距離(d)到BI做這 ax <- DS1$X ay <- DS1$Y bx <- DS2$X by <- DS2$Y D <- c(sqrt((ax-bx)^2 + (ay