一种基于皮尔森相似度和距离权重的改进KNN算法

• 作者: 尹欢一 文志诚 马正见
• 来源期刊: 电脑知识与技术
• 学科: 工学
• 关键词: K近邻 皮尔森相似度 距离权重 相关程度
• 年，卷（期）: 2019,（27）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 208-210
• 页数: 3页
• 分类号: TP18
• 字数: 3686字
• 语种: 中文

摘要

KNN算法中各样本特征被视为等值权重,特征之间的关联因素没有考虑在分类算法中.为了解决此问题,提出一种基于皮尔森相似度和距离权重的改进KNN算法,根据训练样本和待分类样本计算皮尔森相似度和距离权重来判定特征和类别的相关度,且提出一种贡献率类别的判定方法.仿真结果表明,与KNN算法相比,提高了算法的分类精确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	文志诚	湖南工业大学计算机学院	49	279	10.0	14.0
2	尹欢一	湖南工业大学计算机学院	5	1	1.0	1.0
3	马正见	湖南工业大学计算机学院	5	1	1.0	1.0