KNN分类算法改进研究进展

被引：29

作者：

奉国和

吴敬学

机构：

[1] 华南师范大学经济与管理学院

来源：

图书情报工作 | 2012年 / 21期

关键词：

KNN分类; 特征降维; 特征加权; 训练集优化; 快速算法;

D O I：

暂无

中图分类号：

G353.1 [情报资料的分析和研究];

学科分类号：

1205 ;

摘要：

指出传统KNN(k-nearest neighbor)算法的两大不足:一是计算开销大,分类效率低;二是在进行相似性度量和类别判断时,等同对待各特征项以及近邻样本,影响分类准确程度。针对第一点不足,提出三种改进策略,分别为:基于特征降维的改进、基于训练集的改进和基于近邻搜索方法的改进;针对第二点不足,提出两种改进策略,分别为:基于特征加权的改进和基于类别判断策略的改进。对每种改进策略中的代表方法进行介绍并加以评述。

引用

收藏

页码：97 / 100+118 +118

页数：5

相关论文

共 25 条

[1] 增量KNN模型的修剪策略研究 [J].

黄杰 ;

郭躬德 ;

陈黎飞 .

小型微型计算机系统, 2011, 32 (05) :845-849

[2] 基于改进蚁群算法的高精度文本特征选择方法 [J].

李凯齐 ;

刁兴春 ;

曹建军 ;

李峰 .

解放军理工大学学报(自然科学版), 2010, 11 (06) :634-639

[3] 基于KNN模型的增量学习算法 [J].

郭躬德 ;

黄杰 ;

陈黎飞 .

模式识别与人工智能, 2010, 23 (05) :701-707

[4] 用模拟退火改进的KNN分类算法 [J].

邓箴 ;

包宏 .

计算机与应用化学, 2010, 27 (03) :303-307

[5] 一种基于数据偏斜的改进KNN文本分类 [J].

刘海峰 ;

陈琦 ;

刘守生 ;

苏展 .

微电子学与计算机, 2010, 27 (03) :51-53+58

[6] 一种采用聚类技术改进的KNN文本分类方法 [J].

张孝飞 ;

黄河燕 .

模式识别与人工智能, 2009, 22 (06) :936-940

[7] 潜在语义索引中特征优化技术的研究 [J].

季铎 ;

郑伟 ;

蔡东风 .

中文信息学报, 2009, 23 (02) :69-76

[8] 基于位置的文本特征加权方法研究 [J].

刘海峰 ;

姚泽清 ;

汪泽焱 ;

张学仁 .

微电子学与计算机, 2009, 26 (02) :188-192

[9] 一种改进的KNN Web文本分类方法 [J].

吴春颖 ;

王士同 .

计算机应用研究, 2008, (11) :3275-3277

[10] 简化的粒子群优化快速KNN分类算法 [J].

李欢 ;

焦建民 .

计算机工程与应用 , 2008, (32) :57-59