dc12499574的博客

文章目录思路效果待优化代码mianKd_Tree_CreaterecursiveKd_Tree_SearchKd_Tree_Recall_Search思路第一个版本：链接KD书基本思路：建立KD树(Kd_Tree_Create)递归搜索：回溯搜索的起点, 建立回溯栈(Kd_Tree_Search)回溯搜索：从起点向着根节点回溯设测试节点：test_x当前最优节点：predicted_x_point当前最短距离：predicted_x_distance当前回溯节点：cuurent_poi

文章目录思路效果代码mianKd_Tree_CreaterecursiveKd_Tree_Search思路KD书基本思路：建立KD树(Kd_Tree_Create)递归搜索：回溯搜索的起点(Kd_Tree_Search)回溯搜索：收敛到全局最近点(暂未实现)效果仅用递归搜索效果如下：代码mianclear all;clc;%% 数据导入Dataset=csvread("iris_dataset.csv");rows=150;columns=5;%% 数据分割Train_

文章目录思路效果代码mianKd_Tree_Createrecursive思路%二叉树数据结构在c语言中容易表示,可在matlab中却不那么容易%但是c语言需要自己造轮子(sortrows()用c得写死我), matlab有现成的, 所以思考一下如何在matlab中表示二叉树呢%参考大堆小堆利用数组表示二叉树, 从而避开指针构建kdtree(哇噢, 感觉自己就是个小机灵鬼诶)%给每个节点添加下标以实现父子访问%提示:节点下标为i, 左孩子下标为2i,左孩子下标为2i+1%因为kdtree不是完

文章目录一、数据源二、效果三、代码1、mian2、data_split3、training4、KNN一、数据源1、iris_dataset下载链接：https://pan.baidu.com/s/1g9RkyN2TfQG0YjIhoNAC6g提取码：7tdx2、KNN函数来源：链接二、效果三、代码1、mian%%%数据导入iris_data=csvread("iris_dataset.csv");%%%数据分割nums_train=120;nums_test=30;Dim

文章目录思路效果代码mianknn思路1、计算已有数据集A中每个个体与新个体B的距离2、根据距离由近到远排序3、根据提供的k值返回距离B最近的k个个体编号与类别效果代码mianA=[2 2 0 1.9 1.9 0 2.8 2.8 0 5 5 1 4 6 1 6 5 1];B=[3 3];k=3;[Neighbors, Classify] = KNN(A,B,k);knnfunction [Neighbors, Classify] = KNN(A,B

文章目录一、K_means算法1、作用2、流程二、KNN算法1、作用2、流程一、K_means算法1、作用将数据集划分为K个簇2、流程1、随机生成K个点2、将每一个数据划分到距离最近的点，形成K个簇3、计算每个簇的中心点并将其对应的点移至该点4、根据迭代条件判断是否回到第2步5、最后返回这K个点二、KNN算法1、作用根据已有的数据集，将新个体进行分类2、流程1、计算距离新个体最近的k个已知个体2、根据这k个个体的类别直接(无训练过程)对新个体进行分类...

文章目录效果代码MainPerceptronSign效果代码Mainx=[-1 7 1 3 9 1 4 14 1 1 -3 1 4 1 1 5 3 1];y=[1 1 1 -1 -1 -1]';%size_x=size(x);b=ones(1,size_x(2));%初始权值Error=0;%允许分类错误数量最大值error=size_x(1);%当前一轮迭代分类错误数量Step=0.1;%迭代步长while(error>Error)

文章目录一、解析二、效果1、数据展示2、聚点迭代路径三、代码1、mian2、KNN3、Dist_Func4、A_Rand5、Show一、解析KNN：接收数据集以及聚点信息返回聚点轨迹，聚点簇，迭代次数，偏差以及偏差和Dis_Func：接收两点的坐标返回两点距离此处为欧式距离(可根据需求修改)A_Rand：接收数据集大小，分组数量，每组数量以及离散程度返回随机生成有规律分布的数据集Show：接收聚点簇轨迹，并作出聚点移动轨迹二、效果1、数据展示2、聚点迭代路径‘+’表示数据