基于卡方距离度量的改进KNN算法

• 作者: 谢红 赵洪野
• 来源期刊: 应用科技
• 学科: 工学
• 关键词: K-近邻算法 卡方距离 距离度量 二次式距离 欧式距离 灵敏度法
• 年，卷（期）: 2015,（1）
• 页码范围: 10-14
• 页数: 5页
• 分类号: TP391.4
• 字数: 3644字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-671X.201401002

摘要

K?近邻算法（ K?nearest neighbor， KNN）是一种思路简单、易于掌握、分类效果显著的算法。决定K?近邻算法分类效果关键因素之一就是距离的度量，欧氏距离经常作为K?近邻算法中度量函数，欧式距离将样本的不同特征量赋予相同的权重，但是不同特征量对分类结果准确性影响是不同的。采用更能体现特征量之间相对关系的卡方距离度量作为KNN算法的度量函数，并且采用灵敏度法进行特征权重计算，克服欧氏距离的不足。分类实验结果显示，基于卡方距离的改进算法的各项评价指标优于传统的KNN算法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢红	哈尔滨工程大学信息与通信工程学院	134	692	14.0	19.0
2	赵洪野	哈尔滨工程大学信息与通信工程学院	2	31	2.0	2.0