1.3.1 基于内存的协同过滤 传统的协同过滤算法是基于内存的K 最近邻算法(k-nearest neighbors, KNN)，它 又可分为基于用户(user-based)和基于项目(item-based)的方法两种。
基于18个网页-相关网页
（2）最近邻算法（nearest neighbor heuristics） 基本步骤为： 第一步，任取一出发点： 第二步，依次取最近的点加入当前解中直至形成回路解。
基于8个网页-相关网页
利用最近邻算法(k-nearest neighbors method,KNN)模型分类专利文档,提取近似专利以便进行人工解读。
基于2个网页-相关网页
k-最近邻算法 k-Nearest Neighbor
成对最近邻算法 pairwisenearestneighbor ; PNN
动态联合最近邻算法 DJNN ; Dynamic Joint Nearest Neighbor
该模型应用最近邻算法 K-nearest neighbors ; KNN
和动态联合最近邻算法 Dynamic Joint Nearest Neighbor
k最近邻算法 k-Nearest Neighbor
利用最近邻算法 k-nearest neighbors method ; KNN
最近邻聚类算法 nearest neighbor-clustering algorithm ; the nearest neighbor clustering algorithm ; NNCA
最近邻搜索算法 ENNS
·2,447,543篇论文数据，部分数据来源于NoteExpress
本文针对计算光学切片中的最近邻算法提出了一种改进算法。
An improved nearest neighbor subtraction algorithm was presented and applied in the Computational Optical Section Microscopy (COSM).
最近邻算法可被扩展成不仅仅限于一个最近匹配，而是可以包括任意数量的最近匹配。
The Nearest Neighbor algorithm can be expanded beyond the closest match to include any number of closest matches.
其次本文实现了异常点挖掘最常用的两类基于距离的算法：DKP最近邻算法和基于LOF密度的算法。
Meanwhile, 2 kinds of distance-based algorithms are implemented: DKP neighbor algorithm and LOF density algorithm both are vital for the rest of the paper.
应用推荐