# k近邻

MEOW把非交互式3D分割骨干改造成开放世界交互式分割系统，全程不更新任何可学习参数。此前交互式分割只能处理开放集，即识别或拒绝未知结构，却无法把用户确认的预测积累下来。MEOW用冻结特征提取器、无参数转导推理和记忆巩固，把用户修正后的伪标签存入记忆，供后续查询直接检索；在训练中未出现的类别上，它随记忆样本增加持续改善自身预测，并能零样本迁移到微型CT和其他成像模态。

MEOW把非交互式3D分割骨干改造成开放世界交互式分割系统，全程不更新任何可学习参数。此前交互式分割只能处理开放集，即识别或拒绝未知结构，却无法把用户确认的预测积累下来。MEOW用冻结特征提取器、无参数转导推理和记忆巩固，把用户修正后的伪标签存入记忆，供后续查询直接检索；在训练中未出现的类别上，它随记忆样本增加持续改善自身预测，并能零样本迁移到微型CT和其他成像模态。

scCont把时间序列单细胞RNA数据中的细胞状态转变拆成可解释的功能转变单元：它不依赖显式时间标签或聚类先验，而是用k近邻图在表达空间中挑选正样本对做对比学习，再用Shapley归因把潜在维度映射回基因程序。在4个SERGIO模拟数据集和13个上皮-间质转化时间序列数据集上，它给出的基因模块带有统计筛选和GO富集注释；模拟数据中k=10时，每个潜在维度归因最高的100个基因里背景基因占7.0%，而随机水平为73.3%。

scCont把时间序列单细胞RNA数据中的细胞状态转变拆成可解释的功能转变单元：它不依赖显式时间标签或聚类先验，而是用k近邻图在表达空间中挑选正样本对做对比学习，再用Shapley归因把潜在维度映射回基因程序。在4个SERGIO模拟数据集和13个上皮-间质转化时间序列数据集上，它给出的基因模块带有统计筛选和GO富集注释；模拟数据中k=10时，每个潜在维度归因最高的100个基因里背景基因占7.0%，而随机水平为73.3%。

该研究在嵌套交叉验证框架下，对经典KNN在由整数近邻数k、类别型距离度量和连续Minkowski指数p构成的混合搜索空间上，比较了网格搜索、随机搜索、贝叶斯优化、遗传算法、代理优化、粒子群优化（PSO）和灰狼优化器七种调优策略，在15个公开分类数据集上用准确率、宏AUC、交叉验证损失、交叉熵损失和运行时间五项指标评估，结果显示PSO取得最佳综合平均排名，但经Holm校正的Wilcoxon符号秩检验表明其仅相对随机搜索具有统计显著优势。

该研究在嵌套交叉验证框架下，对经典KNN在由整数近邻数k、类别型距离度量和连续Minkowski指数p构成的混合搜索空间上，比较了网格搜索、随机搜索、贝叶斯优化、遗传算法、代理优化、粒子群优化（PSO）和灰狼优化器七种调优策略，在15个公开分类数据集上用准确率、宏AUC、交叉验证损失、交叉熵损失和运行时间五项指标评估，结果显示PSO取得最佳综合平均排名，但经Holm校正的Wilcoxon符号秩检验表明其仅相对随机搜索具有统计显著优势。