基于结构学习的KNN分类算法

• 作者: 吕世聘 唐一源 孙岩 王秀坤
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 贝叶斯网络 K-近邻算法 距离加权
• 年，卷（期）: 2007,（12）
• 所属期刊栏目: 人工智能及图像处理技术
• 页码范围: 184-186,237
• 页数: 4页
• 分类号: TP3
• 字数: 4736字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-137X.2007.12.048

摘要

KNN(K-Nearest Neighbor)算法和贝叶斯网络分类算法(Bayesian Network,BN)都是目前应用非常广泛的分类算法.本文首先分析了KNN和BN的分类特点,然后在保留了两个算法在分类问题中优点的基础上,提出了基于贝叶斯网络结构学习的KNN算法(BN-KNN).实验结果表明,BN-KNN算法能够有效地提高分类的正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吕世聘	大连理工大学计算机科学与工程系	7	107	4.0	7.0
2	王秀坤	大连理工大学计算机科学与工程系	124	1429	18.0	31.0
3	孙岩	辽宁师范大学计算机与信息技术学院	42	633	12.0	24.0
7	唐一源	大连理工大学神经信息学研究所	92	986	17.0	27.0