`
yiminghe
  • 浏览: 1431222 次
  • 性别: Icon_minigender_1
  • 来自: 上海
社区版块
存档分类
最新评论

数值近邻问题

阅读更多

一个 无序 数组中各个数互不相同  ,a 是数组中的一个数 ,求与 a 最接近的 k 的数


1。最笨的算法 ,排序 ,然后a两边找  

2。转变思路 ,其实求所有与 a 的 绝对差的前 k 个数


则可得到 


先将数组  for( x: x[]) x=|x-a|

利用  select  算法  (算法导论  O(n) )

可以找第  k+1 小个数 :Y,则  对于原数组的数  只要他和a的绝对值小于等于  Y ,就是我们所找的数

 

 

//绝对值
x_bak=new []
for( x: x[])  {
x=|x-a|
x_bak[]=x;
}


//找到第k+1 小的数
Y=select(x_bak,k+1);

//所有差小于 y ,和a 也是 k 接近
for(x:x[])  {
x=|x-a|
if(x<=y)
result[]=x;
}

return result;
分享到:
评论

相关推荐

    近邻函数值准则聚类算法m程序

    Malab编程实现了模式识别中的近邻函数值准则聚类算法程序。

    论文研究-数值型敏感属性的近邻泄露保护方法研究.pdf

    针对在发布数值型敏感属性数据时,因同一分组中个体的敏感属性值之间过小的差异而导致攻击者可以较高的概率以及较小的误差推导出目标个体的敏感信息,从而出现近邻泄露问题,提出了一种有效的防止近邻泄露的模型:...

    基于近邻函数值准则的聚类算法

    模式识别的编程作业,基于近邻函数值准则的聚类算法 ,使用VC++2008

    面向近邻泄露的数值型敏感属性隐私保护方法

    提出一种面向近邻泄露的数值型敏感属性隐私保护方法,该方法首先在保护准标识符属性和数值型敏感属性内在关系的前提下,将数值型敏感属性进行离散化划分;然后,提出一种面向近邻泄露的隐私保护原则——(k,ε)-...

    机器学习实战 - k近邻算法(KNN算法)总结

    机器学习实战 - k近邻算法(KNN算法)总结 适合机器学习实战入门新手 K-近邻算法,又称为 KNN 算法...3样本不平衡问题(即某些类别的样本数量很多,某些类别的样本数量很少) 4可理解性比较差,无法给出数据的内在含义

    数值型敏感属性的近邻泄露保护方法研究 (2012年)

    针对在发布数值型敏感属性数据时,因同一分组中个体的敏感属性值之间过小的差异而导致攻击者可以较高的概率以及较小的误差推导出目标个体的敏感信息,从而出现近邻泄露问题,提出了一种有效的防止近邻泄露的模型:(εp,l...

    基于局部近邻标准化和主多项式算法的故障检测

    针对工业过程的非线性...将该方法应用于多模态非线性数值例子和田纳西伊斯曼(TE)化工过程,并将测试结果与主元分析法(principal component analysis,PCA)、主多项式分析法进行对比,其结果能够有效验证LNS-PPA的优越性。

    K-近邻算法的python实现代码分享

    k-近邻算法概述: 所谓k-近邻算法KNN就是K-Nearest neighbors Algorithms的简称,...适用数据范围:数值型和标称型 k-近邻算法工作原理: 它的工作原理是:存在一个样本数据集合,也称作训练样本集,并且样本集中每个

    次近邻跃迁对石墨烯纳米带输运性质的影响 (2011年)

    通过数值计算,给出了不同尺寸和不同次近邻跃迁能下系统的能量-电导和电流-电压特征曲线.结果表明,次近邻跃迁对扶手椅型石墨烯纳米带的输运性质有显著的影响.它破坏了电导共振峰关于能量的对称分布,增强了系统的导电...

    面向数值型敏感属性的隐私保护方案

    针对现有的个性化隐私匿名技术不能很好地解决数值型敏感属性容易遭受近邻泄漏的问题,提出了一种基于聚类技术的匿名模型——(εi,k)-匿名模型.该模型首先基于聚类技术将按升序排列的敏感属性值划分到几个值域区间...

    机器学习-检测webshell

    缺点:可能会产生过度匹配的问题。 适用数据类型:数值型和标称型。 我们必须采用量化的方法判断如何划分数据。 在划分数据集之前之后信息发生的变化称为信息增益,知道如何计算信息增益 我们就可以计算每个特征值...

    win10+Python3.7.3+OpenCV3.4.1入门学习(二十章 K近邻算法)————20.2 K近邻算法计算

    所以,在大多数的情况下,我们要对计算机要处理的对象进行数值化处理,将其量化为具体的值,以便后续处理。比较典型的方法是取某几个固定的特征,然后将这些特征量化。例如,在人脸识别的过程中,可以根据人脸部器官...

    多主体约束优化的近邻双重共识ADMM方法

    本文考虑了具有全局耦合线性等式约束和局部多面体约束的凸优化问题,并开发了高效的分布式优化方法。... 数值结果表明,所提出的方法在解决线性约束LASSO问题上比现有的分布式ADMM方法具有明显更低的计算时间。

    基于分量属性近邻传播的多元时间序列数据聚类方法

    鉴于传统方法不能直接有效地对多元时间...数值实验结果表明,与传统聚类方法相比,所提出方法不仅能够有效地反映总体数据特征之间的关系,而且通过重要分量属性序列之间的关联关系分析能够提高原始时间序列数据的聚类效果.

    次近邻电子跳跃对聚苯胺基态电子结构的影响 (2007年)

    数值计算了完全氧化态的Pemigraniline-base(PNB)和半氧化态的Emeraldine-base(EB)的基态电子能谱结构,结果表明:(1)次近邻电子跳跃对能隙和总带宽的影响较小;(2)随着次近邻跳跃强度的增加,PNB聚合物价带宽度将...

    大波动短时公路交通流K-近邻预测的稳健组合方法 (2011年)

    在公路短时交通流预测中,为改善大波动以及离群值情况下的预测效果,提高实时性,对K-近邻非参数回归预 测方法进行了2种改进:先采用相关系数来选择K-近邻,再采用组合预测中的方差倒数法来...数值仿真证实了2种改进的效果.

    python机器学习理论与实战(一)K近邻法

    回归的任务则是预测一个数值,比如给定房屋市场的数据(面积,位置等样本信息)来预测房价走势。而无监督学习也可以成两类:聚类(clustering)和密度估计(density estimation),聚类则是把一堆数据聚成弱干组,...

    用简单的、未优化的Adaboost解决鸢尾花分类问题。 20.jpg是使用20个基本分类器的分类结果。.zip

    在机器学习领域中,“鸢尾花”是指一个经典的多类分类问题的数据集,称为“Iris dataset”或“安德森鸢尾花卉数据集”。该数据集最早由英国统计学家兼生物学家罗纳德·费雪(Ronald Fisher)于1936年收集并整理发表...

    中科大汪增福模式识别PPT.zip

    第五章讨论无监督情况下的模式识别问题,着重介绍几种典型的聚类算法:基于分裂的聚类方法、基于合并的聚类方法、动态聚类方法、基于核函数的聚类方法和近邻函数值聚类方法等。第六章讨论结构模式识别问题,给出几种...

    层状岩体中近邻双线隧道爆破的振动响应研究 (2006年)

    近邻双线隧道爆破开挖时,为了避免新建隧道爆破施工产生的地震波危及既有隧道的安全和稳定,基于数值模拟和现场试验。分析了层状岩体中采用钻爆法修建近距离双线隧道的爆破振动响应。结果分析表明,对于既有隧道,迎...

Global site tag (gtag.js) - Google Analytics