10.16208/j.issn1000-7024.2018.04.030
基于双层结构的加速K-NN分类方法
在传统K-NN分类中,对于每个待测样本均需计算并寻找k个决策近邻,分类效率较低.针对该问题,提出一种双层结构的加速K-NN分类(K-NN classification based on double-layer structure,KNN_DL)方法.将正类和负类样本分别划分为多个不同子集,计算每个子集的中心和半径.当新样本进入时,选择k个决策近邻子集,若其具有相同的类别标签,将该样本标记为相应类别;反之,选择决策近邻子集中最近的k个决策近邻.这种双层结构的加速方式,压缩待测样本的决策近邻规模,提高效率.实验结果表明,KNN_DL方法能够获得较高的样本预测速度和较好的预测准确率.
K-NN分类、决策近邻子集、决策近邻样本、中心、半径、KNN_DL方法
39
TP18(自动化基础理论)
2018-06-08(万方平台首次上网日期,不代表论文的发表时间)
共7页
1071-1077