最近邻算法采用神经网络原理 最近邻关联算法

1 最近邻目标关联算法

前言：

就我所知，关联或匹配方法(如：匈牙利算法、最近邻目标关联算法、回溯法等)都是以获取两者之间的距离或其他标准（如网上回溯法的例子大部分是给工人分配工作，要求完成时间最少，那么这个标准就是时间，但是时间也可以看作是一种距离）为前提的，这个距离的获取可以是一些几何距离计算方法（如：欧式距离、标准欧式距离、自定义加权欧式距离、马氏距离等）、IOU等。

只不过有的关联或匹配方法只需要求解两两之间的距离就可以了，如回溯法和最近邻目标关联算法，只需要知道每个工人完成某项工作所需的时间或者两两之间的距离；但是有的还需要通过设定阈值将距离归一成0或1，才能进行关联或匹配，如：匈牙利算法。

接下来，对最近邻目标关联算法进行整理，如有不正之处，大家评论区一起交流。

1.1 局部最近邻目标关联算法

局部最近邻目标关联算法：从第0行开始按照最小距离优先规则关联，关联成功后，划掉此行和列，依次按行进行。

1.2 全局最近邻目标关联算法

全局最近邻目标关联算法：总的关联距离最小。

局部最近邻和全局最近邻的相似之处在于： 已经匹配的就不再参与下次的匹配了。
在匹配问题上一直存在一个疑问： 匹配精度和匹配成功的数量往往是成反比的，那么应该如何平衡和这关系呢。匹配错误对结果的影响有多大呢。

1.3 最近邻目标关联算法的特点

运算量小，易于实现，只能适应于稀疏目标杂波较小的情况。