一种交叉验证和距离加权方法改进的KNN算法研究

• 作者: 冯九林 殷锋 黄光华
• 来源期刊: 西南民族大学学报（自然科学版）
• 学科: 工学
• 关键词: 交叉验证 距离加权 KNN算法 大样本 归类问题
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 计算机与电子信息科学
• 页码范围: 172-177
• 页数: 6页
• 分类号: TP311.1
• 字数: 4388字
• 语种: 中文
• DOI: 10.11920/xnmdzk.2020.02.008

摘要

传统的KNN算法在大样本的情况下对试验样本有较强的一致性结果.但该算法每一次都是在样本全局的基础上进行归类计算,这在很大程度上消耗了空间,增大了算法空间复杂度;且算法在样本分类不平衡时,预测偏差相对偏高.针对这些问题,提出了基于交叉验证和距离加权的改进KNN算法(Weighted cross-validation KNN,简称WCKNN),经过实验验证,本算法有效减小了算法的空间复杂度;同时,也获得了更好的分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	殷锋	西南民族大学计算机科学与技术学院	69	434	12.0	18.0
2	黄光华	西南民族大学计算机科学与技术学院	3	1	1.0	1.0
3	冯九林	西南民族大学计算机科学与技术学院	2	1	1.0	1.0