基于BP神经网络决策的KNN改进算法

• 作者: 宁芊 臧军 路敦利
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: K近邻 BP神经网络 算法精度 分类算法 K值
• 年，卷（期）: 2017,（z2）
• 所属期刊栏目: 人工智能
• 页码范围: 65-67,88
• 页数: 4页
• 分类号: TP301.6
• 字数: 4501字
• 语种: 中文

摘要

针对K近邻(KNN)算法中算法精度受K值选取影响较大的问题,提出了一种使用BP神经网络来优化KNN算法的改进算法来降低K值选取对算法精度的影响同时提高K近邻算法的准确率.所提改进算法主要是使用BP神经网络对K近邻算法分类完成后的结果进行改进优化.首先,通过对训练样本使用K值不同的K近邻算法进行初步分类,同一数据会得到多个不同的初步分类结果集;然后将初步分类结果集作为BP神经网络的输入,再对BP神经网络进行训练分类.在多个数据集上的实验表明,基于BP神经网络决策的K近邻改进算法降低了K值对算法精度的影响,同时极大地提高了分类的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宁芊	四川大学电子信息学院	60	414	10.0	18.0
2	臧军	中石化管道储运有限公司荆门输油处	3	22	2.0	3.0
3	路敦利	四川大学电子信息学院	2	26	2.0	2.0