大数据下的快速 KN N分类算法

• 作者: 宗鸣 程德波 苏毅娟 邓振云
• 来源期刊: 计算机应用研究
• 关键词: K最近邻 测试复杂度 大数据 分块 聚类中心
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1003-1006,1023
• 页数: 5页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2016.04.009

摘要

针对K最近邻算法测试复杂度至少为线性，导致其在大数据样本情况下的效率很低的问题，提出了一种应用于大数据下的快速KN N分类算法。该算法创新性地在K最近邻算法中引入训练过程，即通过线性复杂度聚类方法对大数据样本进行分块，然后在测试过程中找出与待测样本距离最近的块，并将其作为新的训练样本进行K最近邻分类。这样的过程大幅度地减少了K最近邻算法的测试开销，使其能在大数据集中得以应用。实验表明，该算法在与经典KN N分类准确率保持近似的情况下，分类的速度明显快于经典KN N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	苏毅娟	广西师范学院计算机与信息工程学院	27	129	7.0	10.0
2	程德波	广西师范大学广西多源信息挖掘与安全重点实验室和广西区域多源信息集成与智能处理协同创新中心	10	92	5.0	9.0
3	邓振云	广西师范大学广西多源信息挖掘与安全重点实验室和广西区域多源信息集成与智能处理协同创新中心	6	78	4.0	6.0
4	宗鸣	广西师范大学广西多源信息挖掘与安全重点实验室和广西区域多源信息集成与智能处理协同创新中心	5	71	5.0	5.0