KNN算法的数据优化策略

• 作者: 吴庆妍 孙元 王新颖 隽志才
• 来源期刊: 吉林大学学报（信息科学版）
• 学科: 工学
• 关键词: 非参数回归 短时交通状态预测 KNN算法 层次化对象 自重复性
• 年，卷（期）: 2010,（3）
• 页码范围: 309-313
• 分类号: TP391
• 字数: 2439字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-5896.2010.03.016

摘要

为了解决基于KNN(K-Nearest Neighbors)算法的非参数回归短时交通状态预测模型执行效率低的问题,提出了KNN算法的数据优化策略.通过对交通状态时空特性的研究,采用层次化对象构造交通状态向量,并根据交通状态的自重复性对历史样本数据库进行数据压缩.实验证明,优化策略提高了KNN算法的执行效率,经过压缩后的数据存取时间比压缩前缩短了8.66%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	隽志才	吉林大学交通学院	39	1031	17.0	32.0
3	吴庆妍	吉林大学交通学院	6	6	1.0	2.0
6	孙元	吉林大学计算机教学与研究中心	8	3	1.0	1.0
7	王新颖	吉林大学计算机科学与技术学院	8	8	2.0	2.0