基于最近邻距离权重的ML-KNN算法

• 作者: 徐华 陆凯
• 来源期刊: 计算机应用研究
• 关键词: 多标签分类 ML-KNN 聚类 最近邻 距离权重
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 982-985
• 页数: 4页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.09.0738

摘要

在大数据环境下,K近邻多标签算法(ML-KNN)高时间复杂度的问题显得尤为突出;此外,ML-KNN也没有考虑k个近邻对最终分类结果的影响.针对上述问题进行研究,首先将训练集进行聚类,再为测试集找到一个距离其最近的训练数据簇作为新的训练数据集;然后计算最近邻样本的距离权重,并用该权重描述最近邻和其他近邻对预测结果的影响;最后使用新的目标函数为待测样本分类.通过在图片、Web页面文本数据等数据集上的实验表明,所提算法得到了更好的分类结果,并且大大降低了时间复杂度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐华	江南大学物联网工程学院	40	234	10.0	14.0
2	陆凯	江南大学物联网工程学院	2	3	1.0	1.0