作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
采用K-近邻算法和KD树索引相结合的方法,阐述对于毕业去向的预测,此方法逻辑简单且准确性高、对异常值和噪声有较高的容忍度、性能和准确率都较佳.
推荐文章
一种自适应k-最近邻算法的研究
模式分类
k-最近邻算法
超球
BP网络算法
基于改进的K-最近邻算法的病毒检测方法
K-最近邻算法
计算机病毒
病毒检测
Internet
一种基于角相似性的k-最近邻搜索算法
k-最近邻搜索
数据分割
角相似性
壳-超圆锥体
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 利用K-最近邻算法的就业数据预测模型
来源期刊 集成电路应用 学科
关键词 KNN算法 大数据预测 KD树
年,卷(期) 2021,(8) 所属期刊栏目 创新应用|Application
研究方向 页码范围 124-125
页数 2页 分类号 TP183|TP311.13
字数 语种 中文
DOI 10.19339/j.issn.1674-2583.2021.08.053
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (24)
共引文献  (24)
参考文献  (6)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(5)
  • 参考文献(0)
  • 二级参考文献(5)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(4)
  • 参考文献(0)
  • 二级参考文献(4)
2013(3)
  • 参考文献(0)
  • 二级参考文献(3)
2014(2)
  • 参考文献(1)
  • 二级参考文献(1)
2015(1)
  • 参考文献(0)
  • 二级参考文献(1)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
KNN算法
大数据预测
KD树
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
集成电路应用
月刊
1674-2583
31-1325/TN
16开
上海宜山路810号
1984
chi
出版文献量(篇)
4823
总下载数(次)
15
论文1v1指导