python 基于KD树和线性搜索以及Cuda加速的KNN实现

---

一、基于KD树和线性搜索的KNN实现，并与cuda加速对比

实验过程：基于KD树和线性搜索以及Cuda加速的KNN实现，使用wxpython作UI交互。需要全部代码请私聊。

二、效果展示

1.UI界面

2.源码

代码如下（示例）：

# -*- coding = UTF-8 -*-

import numpy as np
import time


class KNN(object):
    def __init__(self, Pointlist1, Pointlist2, labelList, K):
        self.Pointlist1 = np.array((0, 0))
        self.Pointlist2 = np.array((0, 0))
        self.labelList = np.array((0, 0))
        self.K = np.array((0, 0))

    def KNN_algo(self):
        for i in range(np.size(Pointlist2, 0)):
            temparray = np.tile(Pointlist2[i:i + 1, :], np.size(Pointlist1, 0))
            distance = (temparray - Pointlist1) ** 2
            distance = distance.sum(axis=0)
            distance = np.vstack((distance, np.arange(0, np.size(Pointlist1, 0))))
            value = a[np.argsort(distance[0, :]), 0]
            valueindex = np.argsort(distance[0, :])
            valueindex = valueindex[:self.K]

---

总结

基于KD树以及线性搜索分别实现了KNN，并使用cuda进行gpu加速对比了运行速度，最后进行了UI展示。