基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对传统的k-近邻(k-nn)方法的缺点,将聚类中的K均值和分类中的k近邻算法有机结合,提出了一种改进的k-nn快速分类算法.实验表明该算法在影响分类效果不大的情况下能达到快速分类的目的.
推荐文章
基于MapReduce改进K-NN的大数据分类算法研究
大数据
MapReduce
k-近邻算法
临界区域
主成分分析
距离加权
基于N次K-NN分类算法的管道机器人定位技术研究
低频电磁波
定位技术
K-NN算法
管道机器人
基于优化k-NN模型的高山松地上生物量遥感估测
森林测计学
k-NN模型
遗传算法
Landsat8/OLI
地上生物量
高山松
基于k-NN方法和GF遥感影像的森林蓄积量估测
森林经理学
k-NN方法
蓄积量估测
最小二乘估计
稳健估计
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 改进的k-nn快速分类算法
来源期刊 计算机工程与应用 学科 工学
关键词 聚类算法 K均值 分类算法 K近邻
年,卷(期) 2009,(11) 所属期刊栏目 数据库、信号与信息处理
研究方向 页码范围 145-146,161
页数 3页 分类号 TP391
字数 4465字 语种 中文
DOI 10.3778/j.issn.1002-8331.2009.11.044
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘琼荪 重庆大学数理学院 66 621 14.0 21.0
2 桑应宾 重庆大学数理学院 2 39 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (11)
共引文献  (20)
参考文献  (3)
节点文献
引证文献  (19)
同被引文献  (30)
二级引证文献  (48)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(3)
  • 参考文献(1)
  • 二级参考文献(2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(2)
  • 引证文献(2)
  • 二级引证文献(0)
2012(2)
  • 引证文献(2)
  • 二级引证文献(0)
2013(5)
  • 引证文献(1)
  • 二级引证文献(4)
2014(3)
  • 引证文献(2)
  • 二级引证文献(1)
2015(6)
  • 引证文献(5)
  • 二级引证文献(1)
2016(8)
  • 引证文献(1)
  • 二级引证文献(7)
2017(7)
  • 引证文献(1)
  • 二级引证文献(6)
2018(10)
  • 引证文献(2)
  • 二级引证文献(8)
2019(17)
  • 引证文献(1)
  • 二级引证文献(16)
2020(5)
  • 引证文献(0)
  • 二级引证文献(5)
研究主题发展历程
节点文献
聚类算法
K均值
分类算法
K近邻
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导