2 arlene888888 Arlene888888 于 2014.05.09 15:59 提问

基于距离与距离无关相结合的算法

我想找到基于距离与距离无关相结合的算法,即hop-terrain算法。。。目前只有基于距离的算法和基于距离无关的算法

Csdn user default icon
上传中...
上传图片
插入图片
准确详细的回答,更有利于被提问者采纳,从而获得C币。复制、灌水、广告等回答会被删除,是时候展现真正的技术了!
其他相关推荐
离散弗雷歇(Frechet)距离 C/C++
离散弗雷歇(Frechet)距离的计算,参考了前人(http://download.csdn.net/download/deltapan/4364154)的代码,并实现了自底向上的动态规划来减少递归时栈的使用,尤其是当曲线数据点比较多时。
机器学习_基于距离的算法KNN与K-Means
线性回归,logistic回归,支持向量机,KNN,K-Means都属于基于距离的模型。下面以分类问题为例,看看它们之间的关系。
基于距离变换和分水岭算法的图像分割(图像变换 )
// 加载图像 Mat src = imread("../data/cards.png"); // 成功加载 if (!src.data) return -1; // 显示图像 imshow("Source Image", src); 如果我们用白色背景图像,转换它的黑色是好的。这将有助于我们descimi
基于属性值相关距离的KNN算法
该博客的观点来自于中国知网上由肖辉辉和段艳明执笔的论文《基于属性值相关距离的KNN算法的改进研究》。我只是因为最近做项目,老师分配任务研究KNN算法的改进而找到这篇论文,最后把论文中的算法代码。 下面是Python代码:#!/usr/bin/env python # -*- coding: utf-8 -*- # @Time : 2017/3/29 0029 19:15 # @Autho
基于距离的离群点检测
本算法参照《数据挖掘概念与技术》第三版,算法中有需要人工设定的参数:r距离阈值和f分数阈值。距离阈值以目标对象为圆心,半径为r的范围;分数阈值f的范围(0,1),从伪代码中可以看到,它的本质还是计数统计。因此,基于距离的离群点检测其实是基于密度的聚类算法DBSCAN的简化版。其实现伪代码如下(原书截图): 以下为算法的Matlab实现程序: clc; clear; %读取数据文件,生成点矩
基于距离的聚类方法--K-means
1. K-means 确定k个划分达到平方误差最小 优点:算法快速,简单;对大数据集有较高的效率并且可伸缩;时间复杂度接近于线性并且适合挖掘大规模数据集。 缺点:k值的选定难以估计,初始类聚类中心点的选取对聚类结果有较大的影响;数据量大时,算法的时间开销大。 算法过程: 输入:k,data 1) 选取k个点作为质心; 2) 计算剩余的点到质心的距离并将点归到最近的质心的类; 3)
图像处理之基于采样距离变换算法
基于采样函数的二值图像距离变换算法!可以扩展到3D应用。
基于距离的地图聚类算法, Java实现
地图 geo 聚类
图像分割与距离变换和流域算法
文章内容   使用OpenCV函数cv ::filter2D为了执行一些拉普拉斯过滤,来进行图像锐化  使用OpenCV函数cv ::distanceTransform来获得二进制图像的导出表示,其中每个像素的值被替换为最近的背景像素的距离  使用OpenCV函数cv ::watershed来隔离图像中的对象与背景 This tutorial code's is shown lin
Hausdorff距离匹配算法及代码,特征点进行匹配得出目标区域,但是不具有区域自适应。
1、例说hausdorff距离 定欧氏空间中的两点集 , ,Hausdorff距离就是用来衡量这两个点集间的距离。   其中, , 。 称为双向Hausdorff距离, 称为从点集A到点集B的单向Hausdorff距离。相应地 称为从点集B到点集A的单向Hausdorff距离。        下面从一个例子来理解Hausdorff距离。       上图中