2012-11-21 30 views
7

मुझे के-निकटतम पड़ोसी एल्गोरिदम के सीरियल सी/सी ++ कार्यान्वयन कहां मिल सकता है?
क्या आप इस पुस्तकालय के बारे में जानते हैं?
मुझे ओपनसीवी मिली है लेकिन कार्यान्वयन पहले से ही समानांतर है।
मैं एक धारावाहिक कार्यान्वयन से शुरू करना चाहता हूं और इसे पीएचड्रेड ओपनएमपी और एमपीआई के साथ समानांतर बनाना चाहता हूं।

के-निकटतम पड़ोसी सी/सी ++ कार्यान्वयन

धन्यवाद,
एलेक्स

+1

क्या के लिए समस्या है इस एल्गोरिथ्म लागू करने के लिए जा रहे हैं के लिए समर्थन जोड़ा? केएनएन वास्तव में सरल है और आप अपने दृष्टिकोण को लागू करने का प्रयास कर सकते हैं। –

उत्तर

4

एएनएन के बारे में कैसे? http://www.cs.umd.edu/~mount/ANN/। मैंने एक बार kdtree कार्यान्वयन का उपयोग किया है, लेकिन अन्य विकल्प भी हैं।

वेबसाइट से उद्धरण: "एएनएन सी ++ में लिखी एक लाइब्रेरी है, जो मनमाने ढंग से उच्च आयामों में सटीक और अनुमानित निकटतम पड़ोसी दोनों के लिए डेटा संरचनाओं और एल्गोरिदम का समर्थन करती है।"

+0

धन्यवाद, एएनएन एक अच्छा प्रारंभिक बिंदु है। – alexsardan

1

इस लागू करने के लिए सबसे आसान तरीका है सभी तत्वों और दुकान कश्मीर निकटतम लूप करने के लिए है। (बस तुलना)। इसकी जटिलता O(n) है जो इतनी अच्छी नहीं है लेकिन प्रीप्रोकैसिंग की आवश्यकता नहीं है। तो अब वास्तव में आपके आवेदन पर निर्भर करता है। आपको विभाजन क्षेत्र में कुछ स्थानिक अनुक्रमणिका का उपयोग करना चाहिए जहां आप knn की खोज करते हैं। कुछ अनुप्रयोगों के लिए ग्रिड आधारित स्थानिक संरचना बस ठीक है (बस अपनी दुनिया को निश्चित ब्लॉक में विभाजित करें और केवल पहले ब्लॉक को बंद करने के भीतर खोजें)। यह तब अच्छा होता है जब आपकी संस्थाओं को समान रूप से वितरित किया जाता है। बेहतर दृष्टिकोण केडी-वृक्ष की तरह कुछ सौपानिक संरचना का उपयोग है ... यह वास्तव में सब पर निर्भर करता है कि आप इन प्रस्तुतियों में स्यूडोकोड नज़र सहित अधिक जानकारी के लिए क्या जरूरत है

:

http://www.ulozto.net/xCTidts/dpg06-pdf

http://www.ulozto.net/xoh6TSD/dpg07-pdf

+0

उत्तर के लिए धन्यवाद। दरअसल मुझे पहले से ही लागू संस्करण से शुरू करना है। – alexsardan

2

मैंने निकटतम पड़ोसी खोज के साथ C++ implementation for a KD-tree लिखा था। प्राथमिकता कतार जोड़कर आप इसे आसानी से के-निकटतम पड़ोसियों के लिए बढ़ा सकते हैं।

अद्यतन: मैं k-निकटतम एन आयामों में पड़ोसी खोज

+0

धन्यवाद, लेकिन कोई लाइसेंस जानकारी नहीं देखी जानी चाहिए। –