电子科技
電子科技
전자과기
IT AGE
2006年
12期
52-56
,共5页
K-最近邻算法%信息增益%信息熵
K-最近鄰算法%信息增益%信息熵
K-최근린산법%신식증익%신식적
K-最近邻(K-nearest neighbor,简称KNN)算法是一种在人工智能领域如专家系统、数据挖掘、模式识别等方面广泛应用的算法.该算法简单有效,易于实现,但是其K值难以确定,而且分类结果易受单个属性干扰.文中提出了一种简单易行的K值确定方法,并利用Quinlan信息增益理论,提出了基于信息增益的K-最近邻改进算法.通过实验证明,改进后的K-NN算法具有较强的抗干扰能力和较好的精确性.
K-最近鄰(K-nearest neighbor,簡稱KNN)算法是一種在人工智能領域如專傢繫統、數據挖掘、模式識彆等方麵廣汎應用的算法.該算法簡單有效,易于實現,但是其K值難以確定,而且分類結果易受單箇屬性榦擾.文中提齣瞭一種簡單易行的K值確定方法,併利用Quinlan信息增益理論,提齣瞭基于信息增益的K-最近鄰改進算法.通過實驗證明,改進後的K-NN算法具有較彊的抗榦擾能力和較好的精確性.
K-최근린(K-nearest neighbor,간칭KNN)산법시일충재인공지능영역여전가계통、수거알굴、모식식별등방면엄범응용적산법.해산법간단유효,역우실현,단시기K치난이학정,이차분류결과역수단개속성간우.문중제출료일충간단역행적K치학정방법,병이용Quinlan신식증익이론,제출료기우신식증익적K-최근린개진산법.통과실험증명,개진후적K-NN산법구유교강적항간우능력화교호적정학성.
