m0_68926749的博客

给定一个训练数据集，对于新输入的实例，在训练数据集中找到与之最邻近的k个实例，投票决定输入实例的类别1、输入数据集T{(x1​y1​x2​y2​xn​yn​)}​​​​；其中xi​​​​​​ 为第i​​ 个数据的特征向量；yi​∈Yc1​c2​cK​​ 为第i​​​​ 个数据的类别，共K个类别。2、根据给定的距离度量，在训练数据集T中找出与新输入实例z最邻近的k个点，涵盖这k个点的zNk​z​。

1.从第一个元素开始，该元素可以认为已经被排序2.取下一个元素tem，从已排序的元素序列从后往前扫描3.如果该元素大于tem，则将该元素移到下一位4.重复步骤3，直到找到已排序元素中小于等于tem的元素5.tem插入到该元素的后面，如果已排序所有元素都大于tem，则将tem插入到下标为0的位置。

（Smith-Waterman algorithm）是一种进行局部序列比对（相对于全局比对）的算法，该算法的目的不是进行全序列的比对，而是找出两个序列中具有高相似度的片段。可简称为SW算法。