自己做的长三角数学建模论文，质量很不错，代码数据都在附录，代码用的python 通过建立逐步回归模型，最近邻故障检测模型，分类故障诊断模型等，解决齿轮 箱的故障检测和有效诊断。 针对问题一，对振动数据进行分析，并且筛选出用于故障诊断的关键特征。纵 向角度，对不同故障状态下的同一传感器数据进行预处理分析，通过描述性统计， 箱线图分析，基于拉依达准则的异常值分析等定性的分析了数据的变化趋势。横向 角度，通过 Pearson 相关性分析量化传感器变量线性关系得到变量存在显著线性关 系，进一步利用逐步回归模型确定出关键特征为 sensor1，sensor3，sensor4。

K近邻算法，内涵详细代码，KNN是通过测量不同特征值之间的距离进行分类。它的的思路是：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。

在本文中，我们提出了一种使用机器学习方法预测某个学科的补充课程的模型。 这是一个基本的分类系统，可以发现学生是否会获得补充。 可以显示获得补充的个人或受试者明智的机会。 该模型使用K最近邻算法，这是一种懒惰算法，可提供较高的准确性。 所提出的方法将有助于分析补充学生，同时教师可以分析大概有多少学生将获得补充，并决定他/她在教书时应该给予多少额外的关注。

算法流程： 1. 指定k的值。 2. 使用一个NxN的模板取出图像中部分值。 3. 选取模板中前k个与中心点像素值最相近的像素。 4. 对步骤3中得到的k个像素值求平均。 5. 用步骤4求出的平均值替换模板中心点像素值。 6. 移动模板，重复步骤2，直到模板不能再继续移动。 此外，该程序还要求实现以下功能 1. 显示原图像、移除像素后的图像和恢复出的图像。 2. 求该去噪算法的MSE值。

大数据-算法-障碍空间数据库的反k近邻查询技术的研究.pdf

matlab Parzen窗和Kn—近邻法

机器学习算法KNN（K近邻）应用实例 使用KNN（K近邻）算法对是否容易得糖尿病问题进行预测。 资源中包括完成的KNN算法训练和实现过程，以及用于机器学习的糖尿病数据集。 数据特征包括： Pregnancies：怀孕次数 Glucose：葡萄糖测试值 BloodPressure：血压 SkinThickness：表皮厚度 Insulin：胰岛素 BMI：身体质量指数 DiabetesPedigreeFunction：糖尿病遗传函数 Age：年龄 Outcome：是否为糖尿病 训练的过程包括数据的预处理、数据的可视化及EDA分析。 然后将数据划分成训练集和测试集，调用sklearn中的KNeighborsClassifier模型对数据进行训练。最后使用混淆矩阵、F1、精确率等指标对模型效果进行评估。 本应用实例可以方便与对KNN算法的应用过程有一个直观的了解和掌握。提升算法的应用实用性。 引入的库函数主要有如下： import numpy as np import pandas as pd from sklearn.model_selection import train_test

记录系统 这是《推荐系统实践》中基于近邻的方法的代码实现。数据集使用的是MovieLen中大小为100K的数据集。程序分为6个文件： UserCF：基于用户的算法UserCF_IIF：改进的基于用户的算法ItemCF：基于物品的算法ItemCF_IUF：改进的基于物品的算法LFM：隐因子模型算法评价：评价指标mainCF：主函数，读取数据和测试

模板为3×3，k＝3的K近邻均值滤波器。 1. K近邻均值滤波器 K近邻均值滤波器

采集了现代词语中所有的同义词和反义词记录组成。#近邻词汇#