最近邻分类方法的研究

摘要：

研究最近邻分类方法,应用S近邻技术的思想建立分类模型,设计一个新的S近邻(shelly nearestneighbor,SNN)分类算法,克服了七近邻(k nearest neighbor,kNN)分类算法在最近邻选择上可能存在偏好的问题.通过对传统的k近邻和新构造的S近邻分类算法的思想、关键技术等方面的分析,以及在UCI真实数据集实验上分类准确率的比较,概括出算法适宜的环境条件,并分析可能的原因.最后,总结得出SNN分类算法对距离度量不敏感,且在大数据集上具有更好分类效果的结论.

关键词：分类、k近邻算法、S近邻算法、分类准确率

所属期刊栏目：5

分类号：TP181(自动化基础理论)

资助基金：The National Natural Science Foundation of China under Grant No.90718020;the National Grand Basic Research 973 Program of China under Grant No.2008CB317108国家重点基础研究发展规划973;the Science Research Foundation of Education Department of Guangxi,China under Grant No.200911LX27;the Innovation Project of Guangxi Graduate Education under Grant No.2009106020812M63;the Australian Research Council under Grant No.DP0985456

在线出版日期：2011-09-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：467-473