基于聚类的加速 k-近邻分类方法

• 作者: 任丽芳
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: k-近邻分类 聚类 相似度 训练样本集 C_k-NN算法
• 年，卷（期）: 2015,（10）
• 所属期刊栏目: 算 法
• 页码范围: 298-301
• 页数: 4页
• 分类号: TP181
• 字数: 4581字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2015.10.071

摘要

实际生活中，经常会遇到大规模数据的分类问题，传统 k-近邻 k-NN（k-Nearest Neighbor）分类方法需要遍历整个训练样本集，因此分类效率较低，无法处理具有大规模训练集的分类任务。针对这个问题，提出一种基于聚类的加速 k-NN 分类方法 C＿k-NN（Speeding k-NN Classification Method Based on Clustering）。该方法首先对训练样本进行聚类，得到初始聚类结果，并计算每个类的聚类中心，选择与聚类中心相似度最高的训练样本构成新的训练样本集，然后针对每个测试样本，计算新训练样本集中与其相似度最高的 k 个样本，并选择该 k 个近邻样本中最多的类别标签作为该测试样本的预测模式类别。实验结果表明，C＿k-NN 分类方法在保持较高分类精度的同时大幅度提高模型的分类效率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	任丽芳	山西财经大学应用数学学院	7	40	3.0	6.0