基于采样压缩的加速K-NN分类方法

• 作者: 王晓
• 来源期刊: 山西大同大学学报（自然科学版）
• 学科: 工学
• 关键词: K-NN分类 采样 KNNS算法 距离
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 数学与计算机科学
• 页码范围: 17-20
• 页数: 4页
• 分类号: TP18
• 字数: 2849字
• 语种: 中文

摘要

标准K-近邻分类方法(K-Nearest Neighbor,K-NN)在进行样本预测过程时,需要计算每一个待预测类别标记的样本与所有已知标记样本的距离,因此复杂度较高,无法处理含有大规模有标记样本的分类问题.针对这个问题,本文提出一种基于采样压缩的加速K-NN分类方法(K-NN Method Based on Sampling Compress,KNN S).该方法将采样思想引入到K-NN分类过程当中,即对于每一个新来的未知类别的待测样本,不是计算其与所有带类别标签样本的距离,而是通过采集一定数量的有标记样本,计算这部分有标记样本中距离待测样本最近的近邻样本,来对待测样本进行分类.实验结果表明,本文提出的KNN S方法能够加速K-NN分类的过程.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王晓	晋中学院信息技术与工程学院	5	1	1.0	1.0