我了解k-最近邻（KNN）算法的工作原理，但对“软投票”这个术语不太熟悉。软投票在KNN中的含义是什么？它与标准KNN投票相比是如何运作的？

如果能提供一个比较两种投票方案的简单例子，并附上Matlab实现的链接，那就更好了。

谢谢

@某人

回答：

经过一些阅读，我发现软投票只是在每个被投票的点（训练样本）上放置一个高斯分布。

通常，我们会简单地为特征空间中最接近的训练样本投票，通常是给最近邻（们）加上一票。相反，软投票使用所有训练样本的高斯概率作为投票得分，并根据每个得分累积相应的票数。这提供了一种更robust的投票方案，因为它更能意识到相对距离，特别是在高维空间中。

更多细节请参考Mitchell等人发表的《“软”K-最近邻投票方案》，2001年。

关于其应用的例子，请参见Agarwal等人发表的《从单目图像中恢复3D人体姿态》，2005年。