一种并行的改进K-近邻分类方法

摘要：

针对传统K-近邻（K-Nearest Neighbor, K-NN）分类方法不能高校处理大规模训练数据的分类问题，该文提出一种并行的改进K-NN（Improved Parallel K-Nearest Neighbor, IPK-NN）分类方法。该方法首先将大规模训练样本随机划分为多个独立同分布的工作集，对于任意一个新来的待检测样本，在每个工作集上采用标准K-NN方法对该样本进行标记，然后综合各训练集的标记结果，得到该样本的最终标记。实验结果表明，在大规模数据集的分类问题中，IPK-NN方法能够在保持较高分类精度的同时提高模型的学习效率。

关键词：K-近邻分类、并行计算、并行K-近邻分类、工作集

分类号：TP18(自动化基础理论)

在线出版日期：2014-05-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：2825-2827,2844