基于K近鄰的分類算法研究.pdf

1、數(shù)據(jù)挖掘是機(jī)器學(xué)習(xí)領(lǐng)域內(nèi)廣泛研究的知識(shí)領(lǐng)域，是將人工智能技術(shù)和數(shù)據(jù)庫技術(shù)緊密結(jié)合，讓計(jì)算機(jī)幫助人們從龐大的數(shù)據(jù)中智能地、自動(dòng)地提取出有價(jià)值的知識(shí)模式，以滿足人們不同應(yīng)用的需要。K近鄰算法(KNN)是基于統(tǒng)計(jì)的分類方法，是數(shù)據(jù)挖掘分類算法中比較常用的一種方法。該算法具有直觀、無需先驗(yàn)統(tǒng)計(jì)知識(shí)、無師學(xué)習(xí)等特點(diǎn)，目前已經(jīng)成為數(shù)據(jù)挖掘技術(shù)的理論和應(yīng)用研究方法之一。
　　 本文主要研究了K近鄰分類算法。首先簡(jiǎn)要地介紹了數(shù)據(jù)挖掘中的各種分類

2、算法，詳細(xì)地闡述了K近鄰算法的基本原理和應(yīng)用領(lǐng)域，其次指出了K近鄰算法的計(jì)算速度慢、分類準(zhǔn)確度不高的原因，提出了兩種新的改進(jìn)方法。針對(duì)K近鄰算法的計(jì)算量大的缺陷，構(gòu)建了聚類算法與K近鄰算法相結(jié)合的一種方法。將聚類中的K-均值和分類中的K近鄰算法有機(jī)結(jié)合。有效地提高了分類算法的速度。針對(duì)分類準(zhǔn)確度的問題，提出了一種新的距離權(quán)重設(shè)定方法。傳統(tǒng)的KNN算法一般采用歐式距離公式度量?jī)蓸颖鹃g的距離。由于在實(shí)際樣本數(shù)據(jù)集合中每一個(gè)屬性對(duì)樣本的貢獻(xiàn)作