Department of Electronics and Communication Engineering, National Institute of Technology Karnataka, Surathkal, Mangalore, India;
机译:基于最近特征决策的最近邻分类器
机译:MIR对Soundscape生态学的贡献。 第3部分:使用多标签k最近邻近的方法标记和分类音频功能
机译:最近邻分类器的基于模糊边界区域的原型约简和特征选择
机译:基于最近的基于邻的邻脑脑电图使用非线性DWT特征方法
机译:投票最近的邻居:基于K-Indect邻居的SVM约束选择算法
机译:通过基于阻抗的传感器进行修整工具状态监视:第2部分-神经网络和K最近邻分类器方法
机译:ENBFS + kNN:混合集成分类器,使用基于熵的朴素贝叶斯与特征选择和k最近邻
机译:基于K-最近邻吸引子的神经网络和最优线性判别滤波器分类器