图像相似性 计算两幅图像相似度百分比的不同程序 hashes.py - 基于 phash 计算图像相似度 drawMatches.py - 2 个图像的相似点的映射 knn.py - 遍历给定文件夹中的所有图像以查找相似图像（sim % > 80）并删除它们 knnsingle.py - 使用 knn 在 2 个图像中映射相似点 用法： python python knn.py <目录>

基于角点检测的图像相似度计算方法，李德华，朱景超，本文提出一种计算图像相似度的方法。传统的方法中或者采用了耗时的图像特征，或者需要准备一组训练样本，而本文的方法简单快捷，

html相似度：使用结构和样式指标比较html相似度

集成相似度的神经网络预测药物相互作用 由于此问题在经济，工业和健康中非常重要，因此提出一种合适的计算方法来高精度预测未知DDI极具挑战性。 我们提出了一种新颖的机器学习方法，它使用两层完全连接的神经网络来预测未知的DDI，称为“ NDD”。 NDD使用药物的各种特性来获得全面的信息。 计算多个药物相似性。 NDD将多种药物相似性与称为“ SNF”的非线性相似性融合方法相结合，以实现高级功能。 论文链接： : 依赖关系： python版本3.5.3 keras库 scikit学习 代码和数据 在NDD文件夹上找到DS1-Ds3。 NDD的功能代码位于NDD文件夹中。 接触 如有任何疑问，请随时与我联系： 电子邮件： 如果您认为本研究有帮助，请引用我们。

机电一体化 MapReduce 的余弦相似度 描述 该存储库说明了 CSMR 算法的实现。 说明 CSMR 算法的论文已在 2014 年人工智能应用和创新 (AIAI 2014) 会议上发表，标题为“CSMR: A Scalable Algorithm for Text Clustering with Cosine Similarity and MapReduce”。 纸 链接： : 指示 安装 Mahout 0.9 版本和 Hadoop 1.2.1 稳定版 进入 CSMR 目录： cd Cosine-Similarity-with-MapReduce 构建 CSMR： mvn install 在 Cosine-Similarity-with-MapReduce/bin 中添加带有原始格式文档的输入文件夹（将其命名为“输入”） 运行 CSMR： ./run-csmr.sh 查看

A Compact Embedding for Facial Expression Similarity, CVPR2019

使用Resnet50进行图像相似度检测 介绍 给定一批图像，该程序将尝试使用基于Resnet50的特征向量提取来找到图像之间的相似性。 用法 python kreas_resnet50.py会将images文件夹中存在的所有图像python kreas_resnet50.py比较，并为每个图像提供最相似的图像。 先决条件 下载 使下载的Shell脚本可执行并安装 conda -V检查安装是否成功。 conda update conda和conda update anaconda conda update scikit-learn conda install theano conda install -c conda-forge tensorflow pip install keras export MKL_THREADING_LAYER=GNU 注意：有关更多描述性说明

相似度 量化两条任意曲线之间的差异 在这种情况下的曲线是： 由独立数据点离散化 从头到尾有序 考虑以下两条曲线。 我们要量化数值曲线与实验曲线的差异。 请注意，两条曲线中同时没有应力或应变值。 另外，一条曲线比其他曲线具有更多的数据点。 在理想情况下，数值曲线将与实验曲线完全匹配。 这意味着两条曲线将直接出现在彼此的顶部。 我们的相似性度量将返回彼此重叠的两条曲线之间的零距离。 方法涵盖 该库包括以下方法来量化两条曲线之间的差异（或相似性）： 部分曲线映射x （PCM）方法：匹配两条曲线之间的子集区域[1] 面积法x ：一种用于计算2D空间中两条曲线之间的面积的算法[2] 离散Frechet距离y ：两条曲线之间的最短距离，在该距离上，您可以非常快地独立沿着每条曲线行驶（（狗问题）[3、4、5、6、7、8] 曲线长度x方法：假定曲线的唯一真实自变量是曲线从原点开始的弧长距离[9

similarity：相似度计算工具包，java编写。用于词语、短语、句子、词法分析、情感分析、语义分析等相关的相似度计算。

词相似度计算有重要应用在许多领域，例如自然语言处理，情报信息检索，文档聚类，自动应答， 词义歧义消除，机器翻译等。本文对基于词的相似度计算进行了深入研究知网和单词相似度的计算分为三个步骤：（1） 计算词素相似度，（2）计算概念相似度使用权重相似度的加权和方法，（3）取概念的最大相似度是单词相似度。 本文主要介绍对音素的编号，并介绍更多分解概念描述类型的准确方法。 这实验表明，提出了词相似度算法本文简单可行，计算结果为与意识相对一致。