Question

我有一个包含300张图像的数据库，我为每个图像提取了一个BOVW。从查询图像开始（使用从同一字典中提取的query_BOVW），我需要在训练数据集中找到类似的图像。

我在训练集kd_tree = KDTree(training)上使用了Sklearn KDTree，然后用kd_tree.query(query_vector)计算查询向量的距离。最后一个函数将第二个参数作为返回的最近邻居的数量，但我所寻求的是设置欧几里德距离的阈值，并且基于该阈值具有不同数量的最近邻居。

我查看了文档，但我没有找到任何相关信息。我错误地寻找可能毫无意义的东西吗？

感谢您的帮助。

Answer 1

您想在此处使用query_radius。

query_radius（self，X，r，count_only = False）：

在树中查询半径为r的邻居

...

上面链接中的示例：

import numpy as np
np.random.seed(0)
X = np.random.random((10, 3))  # 10 points in 3 dimensions
tree = BinaryTree(X, leaf_size=2)     
print(tree.query_radius(X[0], r=0.3, count_only=True))

ind = tree.query_radius(X[0], r=0.3)  
print(ind)  # indices of neighbors within distance 0.3

Answer 2

从documentation，您可以使用方法query_radius：

查询给定半径内的邻居：

import numpy as np
np.random.seed(0)
X = np.random.random((10, 3))  # 10 points in 3 dimensions
tree = KDTree(X, leaf_size=2)     
print(tree.query_radius(X[0], r=0.3, count_only=True))
ind = tree.query_radius(X[0], r=0.3) # indices of neighbors within distance 0.3

这项工作与sklearn版本19.1

SKlearn：KDTree如何根据阈值返回最近邻居（Python）

2 个答案: