最近邻分类方法的研究

• 作者: 张晨 朱曼龙 钟智 黄樑昌
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 分类 k近邻算法 S近邻算法 分类准确率
• 年，卷（期）: 2011,（5）
• 所属期刊栏目: 学术研究
• 页码范围: 467-473
• 分类号: TP181
• 字数: 4756字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.2011.05.009

摘要

研究最近邻分类方法,应用S近邻技术的思想建立分类模型,设计一个新的S近邻(shelly nearestneighbor,SNN)分类算法,克服了七近邻(k nearest neighbor,kNN)分类算法在最近邻选择上可能存在偏好的问题.通过对传统的k近邻和新构造的S近邻分类算法的思想、关键技术等方面的分析,以及在UCI真实数据集实验上分类准确率的比较,概括出算法适宜的环境条件,并分析可能的原因.最后,总结得出SNN分类算法对距离度量不敏感,且在大数据集上具有更好分类效果的结论.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钟智	广西师范学院计算机与信息工程学院	43	379	9.0	18.0
2	朱曼龙	广西师范大学计算机科学与信息工程学院	2	50	2.0	2.0
3	黄樑昌	广西师范大学计算机科学与信息工程学院	2	50	2.0	2.0
4	张晨	广西师范大学计算机科学与信息工程学院	4	45	2.0	4.0