基于结构学习的KNN分类算法

被引：22

作者：

孙岩 ^{[1
]}

吕世聘 ^{[2
]}

王秀坤 ^{[2
]}

唐一源 ^{[3
]}

机构：

[1] 辽宁师范大学计算机与信息技术学院

[2] 大连理工大学计算机科学与工程系

[3] 大连理工大学神经信息学研究所

来源：

计算机科学 | 2007年 / 12期

关键词：

贝叶斯网络; K-近邻算法; 距离加权;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

KNN(K-Nearest Neighbor)算法和贝叶斯网络分类算法(Bayesian Network,BN)都是目前应用非常广泛的分类算法。本文首先分析了KNN和BN的分类特点,然后在保留了两个算法在分类问题中优点的基础上,提出了基于贝叶斯网络结构学习的KNN算法(BN-KNN)。实验结果表明,BN-KNN算法能够有效地提高分类的正确率。

引用

页码：184 / 186+237 +237

页数：4