欧氏距离

RBF(径向基）神经网络 非线性函数回归的实现

径向基神将网络的神经元模型：径向基神经王阔的节点激活函数采用径向基函数，通常定义空间任意一点到某一中心之间的欧氏距离的单调函数。
qq_18343569·2015-07-26 20:21

RBF(径向基）神经网络 非线性函数回归的实现

径向基神将网络的神经元模型： 径向基神经王阔的节点激活函数采用径向基函数，通常定义空间任意一点到某一中心之间的欧氏距离的单调函数。
qq_18343569·2015-07-26 20:00

Python下opencv使用笔记（十二）（k均值算法之图像分割）

k均值（kmeans）聚类是一种最为简单的聚类方法，直接根据数据点之间的距离（欧氏距离，几何距离等等）来划分数据是属于哪一类的，当所有数据点所属的类别不在变化的时候，聚类也就完成了。
on2way·2015-07-24 11:00

手写数字识别【QT+OpenCV】

2.计算当前的测试图像与用来分类的图像之间的欧氏距离。3.找出欧式距离最小的值即为与当前测试图像最匹配的图像，即将该图像所代表的数字作为当前测试图
zhouzxi·2015-07-17 13:00

各种距离的详细解释

本文目录：1.欧氏距离2.曼哈顿距离3.切比雪夫距离4.闵可夫斯基距离5.标准化欧氏距离6.马氏距离7.夹角余弦8.汉明距离9.杰卡德距离
Allyli0022·2015-07-07 16:00

机器学习 之 各种距离

今天，在看大神的距离度量，被各种距离应用场景的神总结惊呆了，先引用一下镇镇楼：简单说来，各种“距离”的应用场景简单概括为，空间：欧氏距离路径：曼哈顿距离国际象棋国王：切比雪夫距离以上三种的统一形式：闵可夫斯基距离加权
claire_bear7·2015-07-06 20:27

【CUDA并行编程之六】KNN算法的并行实现

之前写了两篇文章一个是KNN算法的C++串行实现，另一个是CUDA计算向量的欧氏距离。那么这篇文章就可以说是前两篇文章的一个简单的整合。在看这篇文章之前可以先阅读前两篇文章。
u014568921·2015-06-24 09:00

Matlab计算两集合间的海明距离

nbsp;31 41 51  1 1 81 1 1] 两个十进制矩阵，行数不一样，分别是n1和n2，列数必须一致，为nwords，输出的矩阵Dh是[n1，n2]，这和求两句真的欧氏距离一样
·2015-06-21 16:00

机器学习中的相似性度量

本文目录：1.欧氏距离2.曼
u014568921·2015-06-17 14:00

SVM常用核函数

任意一个满足特性的函数Φ都叫做径向量函数，标准的一般使用欧氏距离，尽管其他距离函数也是可以的。所以另
heycwn·2015-06-03 10:10

【C++】将坐标点进行聚类的Kmeans实现

2、分别计算剩下的元素到k个簇中心的相异度（元素到簇中心的欧氏距离），将这些元素分别划归到相异度最低的簇。3、根据聚类结果，重新计算k个簇各自的中心，计算方法是取簇中所有元素各自维度的算术平均数。
hero_myself·2015-05-31 23:00

海量数据处理---simhash算法

可能你会回答几个比较传统点的思路：一种方案是先将两篇文章分别进行分词，得到一系列特征向量，然后计算特征向量之间的距离（可以计算它们之间的欧氏距离、海明距离或者夹角余弦等等），从而通过距离的大小来判断两篇文章的相似度
在云边听雨·2015-05-26 14:32

海量数据处理---simhash算法

可能你会回答几个比较传统点的思路：一种方案是先将两篇文章分别进行分词，得到一系列特征向量，然后计算特征向量之间的距离（可以计算它们之间的欧氏距离、海明距离或者夹角余弦等等），从而通过距离的大小来判断两篇文章的相似度
qisefengzheng·2015-05-26 14:00

各种距离算法汇总

1.欧氏距离，最常见的两点之间或多点之间的距离表示法，又称之为欧几里得度量，它定义于欧几里得空间中，如点x=(x1,...,xn)和y=(y1,...,yn)之间的距离为：(1)二维平面上两点a(x1,
mousever·2015-05-25 11:37

简单快速比较图片相似度的算法

一、Simpleeuclideandistance，简单欧氏距离二、(Normalized)CrossCorrelation，交叉相关（归一化的）一种简单度量，可以用来比较图片的区域。
shaanlan·2015-05-20 00:06

简单快速比较图片相似度的算法

一、Simpleeuclideandistance，简单欧氏距离二、(Normalized)CrossCorrelation，交叉相关（归一化的）一种简单度量，可以用来比较图片的区域。
shaanlan·2015-05-20 00:49

图片相似度

Simpleeuclideandistance简单欧氏距离：(Normalized)CrossCorrelation交叉相关（归一化的）：一种简单度量，可以用来比较图片的区域。
shaanlan·2015-05-19 23:15

图片相似度

Simpleeuclideandistance简单欧氏距离：(Normalized)CrossCorrelation交叉相关（归一化的）：一种简单度量，可以用来比较图片的区域。
shaanlan·2015-05-19 23:49

图片相似度

Simpleeuclideandistance简单欧氏距离：(Normalized)CrossCorrelation交叉相关（归一化的）：一种简单度量，可以用来比较图片的区域。
shaanlan·2015-05-19 19:53

径向基核函数 (Radial Basis Function)--RBF

通常定义为空间中任一点x到某一中心xc之间欧氏距离的单调函数,可记作k(||x-xc||),其作用往往是局部的
chj90220·2015-05-18 10:00

梯度下降算法

我们将其误差定义为J，所有点的欧氏距离之和其实就是它的误差JJ=all（y-h(x)）如感知器算法，我们的目标就是减小J，根据梯度下降含义，我们可以将J沿着下降最快的方向调整权值，使其能够收敛到J的最小值
u014403897·2015-04-14 16:00

机器学习中的相似性度量标准

本文目录：1.欧氏距离2.曼哈顿距离3.切比雪夫距离4.闵可夫斯基距离5.标准化欧氏距离6.马氏距离7.夹角余弦8.汉明距离9.杰卡德距离
cafuc46wingw·2015-04-08 17:00

SimHash算法

传统的方法是使用向量空间模型（VectorSpaceModel），即VSM，VSM计算文本相似度的方法是这样的：先对文本进行分词，提取出特征词，然后建立文本向量，把相似度的计算转化成某种特征向量距离的计算，比如余弦夹角，欧氏距离计算
ACdreamers·2015-03-26 21:00

【模式识别】学习笔记(1)>>>【聚类分析】

聚类分析相似性测度：欧氏距离（多用）、马氏距离、明氏距离、角度相似性。聚类准则：进而还需要一种基于数值的聚类准则，能将相似的模式样本分在同一类，这就是聚类准则：试探法、聚类准则函数法。    
Parser7SParser·2015-02-27 20:00

机器学习中的相似性度量

http://www.cnblogs.com/heaad/archive/2011/03/08/1977733.html 1.欧氏距离(EuclideanDistance)      欧氏距离是最易于理解的一种距离计算方法
ylzhj02·2015-02-02 14:00

《统计学习方法，李航》：3、k临近法与kd树

2）距离的度量我们更常用的是欧氏距离，即p=2。3）k临近法的实现：kd树k临近法的实现主要考虑如何快速地进行k临近搜索。最简单的注意扫描计算距离并找到最小的k个
mmc2015·2015-01-18 20:00

机器学习中的相似性度量，方法汇总对比

本文目录：1.欧氏距离2.曼哈顿距离3.切比雪夫距离4.闵可夫斯基距离5.标准化欧氏距离6.马氏距离7.夹角余弦8.汉明距离9.杰卡德距离
necrazy·2015-01-12 16:00

机器学习中的相似性度量，方法汇总对比

本文目录：1.欧氏距离2.曼哈顿距离3.切比雪夫距离4.闵可夫斯基距离5.标准化欧氏距离6.马氏距离7.夹角余弦8.汉明距离9.杰卡德距离
JasonDing1354·2015-01-12 10:33

机器学习中的相似性度量，方法汇总对比

本文目录：1.欧氏距离2.曼哈顿距离3.切比雪夫距离4.闵可夫斯基距离5.标准化欧氏距离6.马氏距离7.夹角余弦8.汉明距离9.杰卡德距离
JasonDing1354·2015-01-12 10:00

【CUDA并行编程之六】KNN算法的并行实现

之前写了两篇文章一个是KNN算法的C++串行实现，另一个是CUDA计算向量的欧氏距离。那么这篇文章就可以说是前两篇文章的一个简单的整合。在看这篇文章之前可以先阅读前两篇文章。
lavorange·2014-12-26 16:00

solution of overlap and non input data in .txt file

stringcur31="query.txt";//读训练的图像数据，用来计算欧氏距离并比较相似度fstreamfile2;file2.open(cur31,ios::out);//打开文件//实现数据统计并写入文本
Allyli0022·2014-12-16 15:00

欧氏距离详解及在matlab中的实现

360百科：二维公式 d=sqrt（（x1-x2）^2+（y1-y2）^2）三维公式d=sqrt（（x1-x2）^2+（y1-y2）^2+（z1-z2）^2）推广到n维空间，欧氏距离的公式：d=sqrt
fandoudou123·2014-12-11 10:00

理解谱聚类

理解谱聚类     前面介绍过K-means聚类方法，这个方法简单易懂，主要在于如何定义距离计算公式（一般使用欧氏距离），如何选择K值，这两个问题。这次我们介绍谱聚类，它是K-means的升级版。
puqutogether·2014-12-04 13:00

机器学习问题方法总结

大类名称关键词有监督分类决策树信息增益分类回归树Gini指数，Χ2统计量，剪枝朴素贝叶斯非参数估计，贝叶斯估计线性判别分析Fishre判别，特征向量求解K最邻近相似度度量：欧氏距离、街区距离、编辑距离、
shenxiaoming77·2014-11-24 13:00

机器学习问题方法总结

28/2660929.html大类名称关键词有监督分类决策树信息增益分类回归树Gini指数，Χ2统计量，剪枝朴素贝叶斯非参数估计，贝叶斯估计线性判别分析Fishre判别，特征向量求解K最邻近相似度度量：欧氏距离
u013524655·2014-11-13 17:00

几个距离概念及其应用举例

u012176591Pearson'scorrelation参考文献及推荐阅读距离计算方法总结http://www.cnblogs.com/xbinworld/archive/2012/09/24/2700572.html 余弦距离、欧氏距离和杰卡德相似性度量的对比分析
u012176591·2014-11-12 20:00

机器学习中的相似性度量

本文目录：1.欧氏距离2.曼哈顿距离3.切比雪夫距离4.闵可夫斯基距离5.标准化欧氏距离6.马氏距离7.夹角余弦8.汉明距离9.杰卡德距离
wenyusuran·2014-11-06 10:00

距离的度量

但是针对具体应用，什么情况下使用欧氏距离，什么情况下使用余弦相似度？   从几何意义上来说，n维向量空间的
DamonMai·2014-10-14 19:37

距离的度量

但是针对具体应用，什么情况下使用欧氏距离，什么情况下使用余弦相似度？从几何意义上来说，n维向量空间的一条线段作为
DamonMai·2014-10-14 19:37

KNN――K nearest neighbor

一般小于20距离：可以是欧氏距离，归一化：训练样本为向量，其每个属性的尺度差别很大时，比如X=[x1,x2..],x1属于[0,1],x2属于[1000,20
qdqade·2014-10-10 11:43

KNN——K nearest neighbor

一般小于20距离：可以是欧氏距离，归一化：训练样本为向量，其每个属性的尺度差别很大时，比如X=[x1,x2..],x1属于[0,1],x2属于[1000,20
qdqade·2014-10-10 11:43

SLIC superpixel实现分析

SLIC主要运用K-means聚类算法进行超像素的处理，聚类算法中的距离度量不仅仅包括颜色空间的颜色距离还包括像素坐标的欧氏距离。所以K-means聚类的中心点由五维向量组成。
轩动day·2014-10-04 18:19

SLIC superpixel实现分析

SLIC主要运用K-means聚类算法进行超像素的处理，聚类算法中的距离度量不仅仅包括颜色空间的颜色距离还包括像素坐标的欧氏距离。所以K-means聚类的中心点由五维向量组成。
dayenglish·2014-10-04 18:00

[推荐系统]欧氏距离和余弦相似度

如下图所示：数据项A和B在坐标图中当做点时，两者相似度为距离dist(A,B)，可通过欧氏距离（也叫欧几里
SunnyYoona·2014-10-01 21:15

[推荐系统]欧氏距离和余弦相似度

如下图所示：数据项A和B在坐标图中当做点时，两者相似度为距离dist(A,B)，可通过欧氏距离（也叫欧几里
SunnyYoona·2014-10-01 21:00

算法积累

1.欧几里得距离 Euclideandistance 欧氏距离也称欧几里得距离，它是一个通常采用的距离定义，它是在m维空间中两个点之间的真实距离。
wolf96·2014-09-23 06:00

深入路径距离分析（一）

欧氏距离分析遵循的就是我们小学都知道的“两点之间直线最短”的原则，两点之间的最短路径就是两点之间的线段的距离。
kikitaMoon·2014-09-10 16:00

机器学习中的相似性度量

欧氏距离(EuclideanDistance)      欧氏距离是最易于理解的一种距离计算方法，源自欧氏空间中两点间的距离公式。(1
u012564690·2014-08-08 11:00

数据挖掘之分类算法---knn算法(有matlab例子)

算法是一种懒惰算法.它并非像其他的分类算法先通过训练建立分类模型.,而是一种被动的分类过程.它是边测试边训练建立分类模型.算法的一般描述过程如下:1.首先计算每个测试样本点到其他每个点的距离.这个距离可以是欧氏距离
u013018721·2014-07-23 11:00

【模式识别】SVM核函数

任意一个满足特性的函数Φ都叫做径向量函数，标准的一般使用欧氏距离，尽管其他距离函数也是可以的。所以另
xiaowei_cqu·2014-06-30 14:00
上一页 22 23 24 25 26 27 28 29 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他