计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2010年
18期
130-131
,共2页
分类%K-近邻算法%相似度
分類%K-近鄰算法%相似度
분류%K-근린산법%상사도
与传统的K-近邻算法不同,提出了一种结合属性值贡献度与平均相似度的KNN改进算法.首先考虑测试样本与相似样本点间的平均相似度,其次考虑不同类别中的相似样本点的个数,最后还考虑与相似样本相同的属性值对类别的贡献度.在蘑菇数据集上进行实验结果表明,改进后的KNN分类算法的准确率比传统的K-近邻分类算法的准确率更高.
與傳統的K-近鄰算法不同,提齣瞭一種結閤屬性值貢獻度與平均相似度的KNN改進算法.首先攷慮測試樣本與相似樣本點間的平均相似度,其次攷慮不同類彆中的相似樣本點的箇數,最後還攷慮與相似樣本相同的屬性值對類彆的貢獻度.在蘑菇數據集上進行實驗結果錶明,改進後的KNN分類算法的準確率比傳統的K-近鄰分類算法的準確率更高.
여전통적K-근린산법불동,제출료일충결합속성치공헌도여평균상사도적KNN개진산법.수선고필측시양본여상사양본점간적평균상사도,기차고필불동유별중적상사양본점적개수,최후환고필여상사양본상동적속성치대유별적공헌도.재마고수거집상진행실험결과표명,개진후적KNN분류산법적준학솔비전통적K-근린분류산법적준학솔경고.