1) K-nearest neighbor classifier
K-最邻近
2) K-nearest neighbor
K-最近邻
1.
Development and improvement of K-Nearest Neighbor clustering technique
K-最近邻分类技术的新发展与技术改进
2.
To further understand the quantitative structure-activity relationship(QSAR)of fluorine-containing pesticide and improve the prediction precision of QSAR models,a novel nonlinear combinatorial forecast me-thod named Multi-KNN-SVR,multi-K-nearest neighbor based on support vector regression,was proposed.
为深入认识含氟农药生物活性与其结构之间的关系,建立了理想的QSAR模型,从化合物油水分配系数等7个分子结构描述符出发,基于支持向量回归(SVR)和MSE最小原则,经自动寻找最优核函数和非线性筛选描述符,构建了多个K-最近邻(KNN)预测子模型。
3.
In order to improve the predication precision of quantitative structure-activity relationship(QSAR) model,a novel combinatorial k-nearest neighbor method based on support vector machine regression(SVR-CKNN) was proposed,which could screen descriptors automatically and then builds several k-nearest neighbor models for combinatorial forecast.
该法基于支持向量机回归(SVR)自动筛选化合物结构描述符,以k-最近邻建立多个子模型实施组合预测(CKNN)。
3) k-nearest neighbors
k-最近邻
1.
Using the quality of reducing dimensions of Hilbert curve,the paper presents an approximate k-nearest neighbors query algorithm,and analyzes the quality of the approximate k-nearest neighbors.
利用Hilbert曲线的降维特性,该文提出基于Hilbert曲线近似k-最近邻查询算法AKNN,分析近似k-最近邻的误差。
2.
5, SLIQ, SPRINT, association rule, K-means, K-nearest neighbors, Bayesian network, artificial neural network and genetic algorithm, and their parallelism.
5,SLIQ,SPRINT,关联规则,K-平均值,K-最近邻,贝叶斯网络,人工神经网络,遗传算法及并行性进行了研究探讨,为数据挖掘研究者提供借鉴。
5) K-nearest neighbor
K最近邻
1.
This paper put forward and carried out a text classification method using feed-forward neural network and K-nearest neighbor.
提出并实现了一种结合前馈型神经网络和K最近邻的文本分类算法。
2.
By analyzing the frequency and dispersion of alerts, the two-dimensional characteristic vector is obtained, and the K-nearest neighbor classifier trained by samples is used to identify DoS attacks.
提出了一种针对网络信息审计系统的拒绝服务攻击(DoS)的检测算法,该算法通过分析系统告警的频率与分散度提取能够标示系统状态变化的两维特征向量,然后使用经过样本训练的K最近邻分类器检测DoS攻击。
3.
This paper proposes a simple application of Support Vector Machines to the problem of building credit scoring model,and it reports better results constrasted with the classical technique of K-Nearest Neighbor.
支持向量机(SupportVectorMachines,SVMs)是一个很有前途的新技术,文章将支持向量机应用到信用评估中,和古典技术K最近邻法相比得到了比较好的结果。
6) KNN
k-最近邻
1.
[Method] The combination forecasting method of SVR and KNN was presented.
[方法]提出一种基于支持向量机回归(SVR)与K-最近邻法(KNN)的组合预测方法:以均方误差(MSE)最小为择优准则,对SVR实施核函数寻优;基于最优核函数以SVR进行描述符筛选并得到保留描述符;以"多轮末尾强制淘汰法"阐述各保留描述符对预测精度影响的程度;基于保留描述符,以不同KNN预测值反映样本集异质性并构建子模型,最后基于SVR以留一法实施组合预测。
补充资料：黑潮及邻近水域合作研究
| 黑潮及邻近水域合作研究 Kuroshio and Adjacent Regions，Cooperative Study of 对黑潮及其时空变化的调查研究计划。1964年在政府间海洋学委员会第三届大会上通过。1965年7月～1970年8月，进行了第一期现场调查，参加的国家或地区共10个，研究船40艘，其中日本派出的达27艘。这些船只都用于夏、冬季进行同步观测。从1967年起，四季都进行调查，各季度都保持了15～24艘研究船。第一期调查结束后，仍继续调查，直至1977年为止。调查的海域几乎遍及西北太平洋的低、中纬度区域，取得了丰硕的成果。主要包括：发现了黑潮的起源及其分支，亚热带、赤道海域水团，热带逆流绘制出海洋生产力图。到1975年，共收集和加工了435个航次的16727个海洋站的资料，出版了《CSK资料报告》328卷。1977年出版CSK图集7卷。 |
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条