基于类别平均距离的加权KNN分类算法

• 作者: 严晓明
• 来源期刊: 计算机系统应用
• 关键词: 类别平均距离 KNN 加权算法
• 年，卷（期）: 2014,（2）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 128-132
• 页数: 5页
• 字数: 4190字
• 语种: 中文

摘要

本文提出了一种改进的KNN分类算法,利用样本集合中同类别样本点间距离都十分接近的特点辅助KNN算法分类.将待分类样本点的K个最近邻样本点分别求出样本点所属类别的类别平均距离和样本点与待分类样本点距离的差值比,如果大于一个阈值,就将该样本点从K个最近邻的样本点中删除,再用此差值比对不同类别的样本点个数进行加权后执行多数投票,来决定待分类样本点所属的类别.改进后的KNN算法提高了分类的精度,并且时间复杂度与传统KNN算法相当.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	严晓明	福建师范大学数学与计算机科学学院	16	136	5.0	11.0