10.3969/j.issn.1009-3044.2010.08.084
一种提高K近邻分类的新方法
KNN算法是数据挖掘技术中比较常用的分类算法.但是,当样本容量较大以及特征属性较多时,KNN算法分类精度和效率将大大降低.该文将主分量分析(PCA)与粗糙集理论(RS)应用于样本特征提取中,首先采用PCA对输入向量进行甄别,应用粗糙集理论约简与分类无关或关系不大的向量.然后利用模拟退火算法实现随机属性子集选择,组合K近邻分类器, 最后利用简单投票方法,对多重K近邻分类器进行组合输出,有效地改进了K近邻法的分类精度和效率.
主分量分析、粗糙集、模拟退火、k近邻、组合模型
6
TP393(计算技术、计算机技术)
2010-05-25(万方平台首次上网日期,不代表论文的发表时间)
共3页
1989-1991