一种自适应k-最近邻算法的研究

被引：17

作者：

余小鹏 ^{[1
]}

周德翼 ^{[2
]}

机构：

[1] 武汉大学计算机学院

[2] 华中农业大学经贸学院

来源：

计算机应用研究 | 2006年 / 02期

关键词：

模式分类; k-最近邻算法; 超球; BP网络算法;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

摘要：

针对传统k-最近邻算法(k-NearestNeighbor,kNN)存在搜索慢的缺陷,提出了一种改进型的自适应k-最近邻算法。该方法在以测试样本点为中心的超球内进行搜索,对超球半径的生长进行采样,建立半径生长的BP神经网络模型,逼近半径变化函数,并用该函数指导超球体的生长。该方法有效地缩小了搜索范围,减少了超球体半径生长的试探次数,对处理稀疏数据集有明显的优越性。

引用

页码：70 / 72

页数：3