ML一些简单的资源

参考文献及推荐阅读

维基百科，http://en.wikipedia.org/wiki/K-nearest_neighbor_algorithm；
机器学习中的相似性度量，/article/6967260.html；
杰卡德相似系数及距离，/article/6967260.html；
统计学习方法，李航；
概率论与数理统计 第四版 盛骤等编，高教版；
《图像局部不变特性特征与描述》王永明 王贵锦 编著；

数据挖掘：实用机器学习技术，[新西兰]Ian H.Witten 著，第4章4.7节；
模式分类，第4章 非参数技术，[美] IRichard O. Duda / Peter E. Hart / David G. Stork 著；
/article/7267272.html；

http://grunt1223.iteye.com/blog/921371；

http://www.cnblogs.com/eyeszjwang/articles/2429382.html；
/article/8160080.html；

Rob Hess维护的sift库，http://blogs.oregonstate.edu/hess/code/sift/；

酷壳，http://coolshell.cn/articles/8052.html；

rubyist，http://segmentfault.com/q/1010000000094674；
皮尔逊相关系数维基百科页面，http://t.cn/zjy6Gpg；

皮尔逊相关系数的一个应用：http://www.sobuhu.com/archives/567；
/article/8475841.html；

标准差，http://zh.wikipedia.org/wiki/%E6%A0%87%E5%87%86%E5%B7%AE；
协方差与相关性，http://t.cn/zjyXFRB
；
电子科大kd树电子课件：http://t.cn/zjbpXna；
编程艺术之寻找最小的k个数：http://blog.csdn.net/v_JULY_v/article/details/6403777；
机器学习那些事儿，http://vdisk.weibo.com/s/ix_9F；
大嘴巴漫谈数据挖掘，http://vdisk.weibo.com/s/bUbzJ；
http://www.codeproject.com/Articles/18113/KD-Tree-Searching-in-N-dimensions-Part-I；

一个库：http://docs.pointclouds.org/trunk/group__kdtree.html；
3D上使用kd树：http://pointclouds.org/；
编辑数学公式：http://webdemo.visionobjects.com/equation.html?locale=zh_CN；
基于R树的最近邻查找：http://blog.sina.com.cn/s/blog_72e1c7550101dsc3.html；
包含一个demo：http://www.leexiang.com/kd-tree；

机器学习相关降维算法，http://www.cnblogs.com/xbinworld/category/337861.html；
Machine Learning相关topic，http://www.cnblogs.com/jerrylead/tag/Machine%20Learning/；
机器学习中的数学，http://www.cnblogs.com/LeftNotEasy/category/273623.html；
一堆概念性wikipedia页面；
基于度量空间高维索引结构VP-tree及MVP-tree的图像检索，王志强，甘国辉，程起敏；

Spill-Trees，An investigation of practical approximate nearest neighbor algorithms；

DIST ANCE-BASED INDEXING FOR HIGH-DIMENSIONAL METRIC SP ACES，作者：Tolga Bozkaya & Meral Ozsoyoglu；

“Multidimensional Binary Search Trees Used for Associative Searching”，Jon
Louis Bentley。