计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2009年
7期
153-155,158
,共4页
江涛%陈小莉%张玉芳%熊忠阳
江濤%陳小莉%張玉芳%熊忠暘
강도%진소리%장옥방%웅충양
K近邻%隶属度%文本分类
K近鄰%隸屬度%文本分類
K근린%대속도%문본분류
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KNN算法在决定测试样本的类别时,是把所求的该测试样本的K个最近邻是等同看待的,即不考虑这K个最近邻能表达所属类别的程度.由于训练样本的分布是不均匀的,每个样本对分类的贡献也就不一样,因此有必要有区别的对待训练样本集合中的每个样本.利用聚类算法,求出训练样本集合中每个训练样本的隶属度,利用隶属度来区别对待浏试样本的K个最近邻.通过实验证明,改进后的KNN算法较好的精确性.
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KNN算法在決定測試樣本的類彆時,是把所求的該測試樣本的K箇最近鄰是等同看待的,即不攷慮這K箇最近鄰能錶達所屬類彆的程度.由于訓練樣本的分佈是不均勻的,每箇樣本對分類的貢獻也就不一樣,因此有必要有區彆的對待訓練樣本集閤中的每箇樣本.利用聚類算法,求齣訓練樣本集閤中每箇訓練樣本的隸屬度,利用隸屬度來區彆對待瀏試樣本的K箇最近鄰.通過實驗證明,改進後的KNN算法較好的精確性.
KNN산법시일충재인공지능영역여전가계통、수거알굴、모식식별등방면엄범응용적산법.해산법간단유효,역우실현.단시KNN산법재결정측시양본적유별시,시파소구적해측시양본적K개최근린시등동간대적,즉불고필저K개최근린능표체소속유별적정도.유우훈련양본적분포시불균균적,매개양본대분류적공헌야취불일양,인차유필요유구별적대대훈련양본집합중적매개양본.이용취류산법,구출훈련양본집합중매개훈련양본적대속도,이용대속도래구별대대류시양본적K개최근린.통과실험증명,개진후적KNN산법교호적정학성.