一种交叉验证和距离加权方法改进的KNN算法研究

摘要：

传统的KNN算法在大样本的情况下对试验样本有较强的一致性结果.但该算法每一次都是在样本全局的基础上进行归类计算,这在很大程度上消耗了空间,增大了算法空间复杂度;且算法在样本分类不平衡时,预测偏差相对偏高.针对这些问题,提出了基于交叉验证和距离加权的改进KNN算法(Weighted cross-validation KNN,简称WCKNN),经过实验验证,本算法有效减小了算法的空间复杂度;同时,也获得了更好的分类性能.

关键词：交叉验证、距离加权、KNN算法、大样本、归类问题

所属期刊栏目：46

分类号：TP311.1(计算技术、计算机技术)

资助基金：国家自然科学基金项目;四川省科技支撑项目;国家社会科学基金项目;西南民族大学研究生创新型科研项目

在线出版日期：2020-06-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：172-177