我通过获取前一帧中每个对象的有序质心列表并计算当前帧中每组质心的欧氏距离，然后采用最小距离，对一系列视频帧中的多个对象进行分类在一组点之间作为后续帧中的同一对象。
这种技术非常有效，但是，我已经意识到这是一种排列，我在没有替换的情况下进行采样（一旦一组质心配对，它们就会从当前质心列表中删除）。问题是，如果找到一个给定的对象，最近邻居可能还有另一个邻近的邻居，但是没有正确配对，因为现在从当前对象列表中删除了该质心导致错误分类。
是否存在类似于k-nearest-neighbors的东西，我可以考虑距离给定质心的其他距离，该质心被标记为当前质心的最近邻居？如果这令人困惑，我道歉，如果我需要提供这个特例的说明，请告诉我。谢谢！
顺便说一句，这是在Python中完成的，所以如果有任何适当的库来实现这项技术，那么你建议这将是一个很大的帮助。答案 0 :(得分：0)
据我所知，您的主要问题是优化算法并从分类中获得更好的结果。在分类问题中，根据您的数据集，最好尝试使用不同参数的不同算法（例如在NN中，尝试不同的最近邻点数或不同的算法，如带有球树或其他的KNN）并查看结果或评估使用交叉验证等指标
试试看：http://scikit-learn.org/stable/modules/neighbors.html
你可以使用网格搜索来评估和测试不同的参数：http://scikit-learn.org/stable/modules/grid_search.html
或者您可以使用遗传算法测试不同的参数并评估结果：https://github.com/rsteca/sklearn-deap