基于聚类的环形kNN算法

• 作者: 匡振曦 李嘉兴 武继刚
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 环形过滤器 聚类 分类 相邻簇心组 三角不等式
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 高性能计算
• 页码范围: 804-812
• 页数: 9页
• 分类号: TP181
• 字数: 7640字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2019.05.006

摘要

传统k最近邻算法kNN在数据分类中具有广泛的应用,但该算法具有较多的冗余计算,致使处理高维数据时花费较多的计算时间.同时,基于地标点谱聚类的分类算法(LC-kNN和RC-kNN)中距离当前测试点的最近邻点存在部分缺失,导致其准确率降低.针对上述问题,提出一种基于聚类的环形k最近邻算法.提出的算法在聚类算法的基础上,首先将训练集中相似度较高的数据点聚成一个簇,然后以当前测试点为中心设置一个环形过滤器,最后通过kNN算法对过滤器中的点进行分类,其中聚类算法可以根据实际情况自由选择.算法性能已在UCI数据库中6组公开数据集上进行了实验测试,实验结果表明:AkNNE与AkNN H算法比kNN算法在计算量上平均减少51％,而在准确率上比LC-kNN和RC-kNN算法平均提高3％.此外,当数据在10000维的情况下该算法仍然有效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	武继刚	广东工业大学计算机学院	29	46	3.0	4.0
2	匡振曦	广东工业大学计算机学院	3	8	2.0	2.0
3	李嘉兴	广东工业大学计算机学院	2	4	2.0	2.0