1) approximate k-closest pairs
近似k-最近对
2) k approximate
k近似
1.
It is given an optimal algorithm for problem ① and we prove that the algorithm is k approximate algorithm for problem ②.
给出了问题①的一个最优算法,同时应用该算法,问题②是k近似的。
3) 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)。
4) 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 classifier
K-最邻近
补充资料：独立电子对近似
分子式：
CAS号：
性质：也称原子或分子的多电子理论或精确的电子对理论。该理论认为体系的总电子相关能正。是由各对电子的相关能εij之和贡献的，即Ec=。这相当于说各电子对的相关作用彼此独立而具有可加性。IEPA的突出优点是计算量较小，所求相关能具有大小一致性。但由于它不是一种严格的变分方法，而且局部变分函数一般不是体系对称性算符的本征函数，因而计算的相关能一般超出实际值的5％～10％；此外，其相关能轨道的酉变换不能保持不变，所以当轨道不同时，计算的相关能也不相同。
CAS号：
性质：也称原子或分子的多电子理论或精确的电子对理论。该理论认为体系的总电子相关能正。是由各对电子的相关能εij之和贡献的，即Ec=。这相当于说各电子对的相关作用彼此独立而具有可加性。IEPA的突出优点是计算量较小，所求相关能具有大小一致性。但由于它不是一种严格的变分方法，而且局部变分函数一般不是体系对称性算符的本征函数，因而计算的相关能一般超出实际值的5％～10％；此外，其相关能轨道的酉变换不能保持不变，所以当轨道不同时，计算的相关能也不相同。
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