这是一个执行 K 近邻搜索的小而有效的工具,具有广泛的科学和工程应用,例如模式识别、数据挖掘和信号处理。 代码最初是通过矢量化实现的。 在与 John D'Errico 讨论后,我意识到我的算法会遇到大值数据的数值精度问题。 然后,在尝试了几种方法之后,我发现使用 JIT 加速的简单循环是最有效的解决方案。 现在,即使后者编码在 mex 文件中,代码的性能也可以与 kd-tree 相媲美。 代码非常简单,因此也适合初学者学习knn搜索。
评论星级较低,若资源使用遇到问题可联系上传者,3个工作日内问题未解决可申请退款~