基于模糊C-Means的改进型KNN分类算法

• 作者: 朱付保 朱颢东 汤萌萌 谢利杰
• 来源期刊: 华中师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 模糊C-Means 聚类 KNN分类
• 年，卷（期）: 2017,（6）
• 页码范围: 754-759
• 页数: 6页
• 分类号: TP311.13
• 字数: 4646字
• 语种: 中文
• DOI: 10.19603/j.cnki.1000-1190.2017.06.005

摘要

KNN算法是一种思想简单且容易实现的分类算法,但在训练集较大以及特征属性较多时候,其效率低、时间开销大.针对这一问题,论文提出了基于模糊C-means的改进型KNN分类算法,该算法在传统的KNN分类算法基础上引入了模糊C-means理论,通过对样本数据进行聚类处理,用形成的子簇代替该子簇所有的样本集,以减少训练集的数量,从而减少KNN分类过程的工作量、提高分类效率,使KNN算法更好地应用于数据挖掘.通过理论分析和实验结果表明,论文所提算法在面对较大数据时能有效提高算法的效率和精确性,满足处理数据的需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱颢东	郑州轻工业学院计算机与通信工程学院	70	367	11.0	13.0
2	朱付保	郑州轻工业学院计算机与通信工程学院	38	118	6.0	8.0
3	汤萌萌	郑州轻工业学院计算机与通信工程学院	4	19	3.0	4.0
4	谢利杰	郑州轻工业学院计算机与通信工程学院	3	9	2.0	3.0