智能机内测试技术中KNN算法的改进

• 作者: 姬东朝 宋笔锋 韩斐
• 来源期刊: 弹箭与制导学报
• 关键词: 机内测试 故障论断 K最近邻 聚类
• 年，卷（期）: 2008,（4）
• 所属期刊栏目: 相关技术
• 页码范围: 230-233
• 页数: 4页
• 分类号: O159
• 语种: 中文
• DOI: 10.3969/j.issn.1673-9728.2008.04.070

摘要

针对复杂装备机内测试技术中广泛采用的KNN算法的缺陷,提出一种改进的算法--IKNN.首先用神经网络技术进行输入属性权重的计算,使重要输入属性赋予较大的权值,提高算法的分类精度;其次将训练集中的每一类样本进行聚类,从而减少训练事例集的数据量,提高算法的分类速度.实例验证表明该算法有效地提高了KNN算法的分类精度和速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋笔锋	西北工业大学航空学院	309	3053	24.0	38.0
2	姬东朝	西北工业大学航空学院	9	292	5.0	9.0
3	韩斐	西北工业大学航空学院	5	90	3.0	5.0