基于KNN算法对在校生考研预测模型的应用研究

运用K最近邻分类算法建立在校生考研预测模型,便于对在校生进行考前预判。为了提高预测的准确率,对传统K最近邻分类算法进行了改进,对样本的各特征属性赋予了不同权重,通过传统和加权两种K最近邻分类算法的不同使用,验证了改进加权KNN算法的实践效果。     

基于KNN算法的不良步态分类

针对不良的步态会对下肢的关节产生不利的影响(加重行走的负担,能量消耗过快等),以及加重患病的风险,提出了利用KNN(k-nearest neighbor)算法对足外8和足内8两种不良步态与正常步态(对照组)进行分类学习,获取分类模型。三种步态的三维步态数据是从17名受试者在正常行走期间通过3D运动捕捉系统获得的,KNN模型对三种步态识别的总正确率为81.7%,对足外8步态的正确率为92.8%以及足内8的正确率为91.0%。模型的正确率较为准确,可以为矫正不良步态提供有力支持、减少不良步态的检测成本。     

基于高斯函数的改进KNN分类算法研究

KNN算法在数据处理,文本分类等方面都有着广泛的应用;本文提出了一种基于高斯函数权重分配的改进KNN算法(G-KNN)分类模型,并对该模型进行了理论推导和数学分析.分析了权重参数c和k值对分类性能的影响以及最优值的选取,并分别采用地中海数据和一组UCI公开数据对该算法进行了仿真验证.结果表明,改进算法的性能优于传统KN...     

改进的KNN文本分类算法

而文本自动分类,作为一种有效的提高文本检索速度和准确率的方法,在电子文本信息管理中起着非常重要的作用。KNN算法作为一种非常简单,但是有效的文本分类算法,被广泛运用。针对传统KNN算法中对特征项的非监督权重分配的不足之处做了改进,采取x2统计量方法和信息增益这两种监督权重分配方法,有效地利用了训练集标签信息,提高了KNN算法的精确度。     

基于KNN算法的脑电波控制全向机器人研究

文中使用便携式传感头戴设备获取原始脑电波,对其进行小波变换等操作,提取和重构出脑电波的各个波段。利用算法分类优势脑波,进行眨眼与疲劳眨眼的判定,最后使用KNN模式识别方法,对脑电波按照情绪进行分类,构建情绪模型,将提取出的特征值控制80c51核心的全向方位机器人运动。     

基于不同距离公式的KNN算法对鸢尾花的分类

传统的KNN算法采用欧氏距离公式,文章中的KNN算法分别采用欧式距离公式、切比雪夫距离公式、曼哈顿距离公式对鸢尾花数据集进行分类,在不同距离公式下,分类结果的准确率具有一定的区别,采用切比雪夫距离公式时,分类结果的准确率达到100%,对以后KNN算法的研究及应用具有重要意义。     

基于KNN算法的用电安全智能监控系统设计

为解决传统的人工排查违规电器方式在时效与规模上存在的局限性,同时也为了预防因使用违规电器而引发的安全事故,研究并设计了一个用电安全智能监控系统。本系统由用电安全执行终端和用电安全监控平台组成,执行终端主要由树莓派3B+微型计算机和四路交流电流电压采集模块组成,实现了对宿舍用电状况的自动监测、违规电器的自主识别和断复电操作;监控平台实现了对电器使用情况的实时监控、短信预警和违规记录存储等功能。选取有功功率增量和视在功率增量作为特征量,通过KNN(K最近邻)算法进行电器识别,实验结果表明,该系统的用电器平均识别正确率高达95%以上,并且可以及时预警且限制学生公寓违规电器的使用,能有效降低因使用违规电器所带来的生命和财产风险。     

基于训练集聚类的加权KNN算法研究

针对传统K-最近邻(K-Nearest Neighbor,KNN)算法在数据量较大时分类效率较低的问题,提出一种基于训练集聚类的加权KNN算法,通过模糊C均值(Fuzzy c-means,FCM)算法将训练集聚类,当有待测样本需要分类时,根据待测样本与各个类的位置关系快速查找k个最近邻,缩减了计算量,提出的算法还通过加权来减小k值的选择对分类结果的影响,经过数值实验验证了算法分类的准确性更好。     

基于KNN算法的特征过滤预处理研究

K最近邻算法是机器学习中一种经典的监督算法。但该算法处理数据时需要遍历所有特征,在处理高维数据时,运行效率低。针对该问题,文章采用方差过滤对数据特征进行预处理,该方法可有效降低数据特征数,提高算法运行效率。实验测试表明,经过特征预处理后的数据集,特征数有效减少,在不降低准确率的情形下,可减少30%的运行时间。     

对消防车辆调派KNN算法的研究

KNN(K最邻近算法)是机器学习中常用的一种成熟分类算法,其简单易实现的特性,使其在诸多领域得到广泛应用。消防应急救援中的力量调派方案的科学性、准确性一直是困扰行业的问题,文章分析现有KNN均值法在该领域中存在的问题和局限性,创新引入多维度特征属性的加权评价方法,并自然地采用扣分方式对被评价案例样本的合理性进行逐一计算,从K个邻近案例样本中筛选出最接近的目标案例,最终将目标案例推荐给消防指挥员,辅助决策。     

基于优化KNN算法的线上拍卖价格预测模型

利用相似而已成交的其他拍卖可对正在进行的线上拍卖进行最终成交价格预测,但要使预测精度得到提高,需要相关属性特征对最终成交价格的影响程度信息。为此构建了一种遗传算法与K-最近邻(K-nearest neighbor)算法相结合的价格预测模型,采用遗传算法和交叉验证搜索出特征变量相对成交价格的最优权重,将最优权重加入相似度计算以决定最近邻并获得价格预测。通过利用ebay API获得真实线上拍卖数据进行实例研究,实验结果表明:该模型可以有效找出富含信息的特征变量,与传统算法比较明显提高了价格模型的预测精度。     

基于BlazePose模型和KNN算法的消防体能训练识别系统设计

体能训练是提高消防员战斗力的重要途径之一,特别是对长时间处于灭火救援工作一线的消防员而言,体能训练的质量直接影响消防单位的整体战斗力。由于体能训练标准严格,受训消防员数量远超教员数量,针对消防员力量的体能训练不够充分。本文基于机器学习算法设计了消防体能训练识别系统,可以实现多种体能动作实时姿势的自动分类及计数功能。本文将体能训练问题转化为计算机视觉领域的人体姿态识别研究,利用Blaze Pose模型与KNN算法结合构建体能识别模型,通过提取关键点特征向量进行动作二分类,以实现动作计数功能;通过PCA降维实现体能多分类,模型准确率最高可达到98.19%,分类结果稳定可靠。     

基于模板和KNN算法的能量分析攻击对比研究

能量分析攻击至今仍是针对密码芯片最具威胁的攻击方法之一,针对传统的模板分析攻击和KNN算法的攻击进行对比研究,对比模板攻击和机器学习中的KNN优缺点。首先对皮尔逊相关系数、互信息和最大信息系数、距离相关系数3种降维方法进行了研究;然后对比了相同数量功耗曲线下,特征点数量对两种能量分析的成功率等性能的影响;同时研究了不同降维技术在相同功耗曲线数量和不同功耗曲线数量时对两种能量分析攻击的影响。结果表明,模板攻击在运行速度、占用内存方面优于KNN算法攻击,而在攻击成功率和鲁棒性方面,KNN算法攻击具有更好的表现。     

基于健康医疗大数据的KNN分类算法研究

本文针对KNN算法在处理医疗大数据时存在的不足进行了研究,提出了一种基于域数加权的分层KNN算法.算法根据医学领域的专业知识,构建n层体系结构,在外层分类时有效地降低了分类的无效计算量;同时随着层数加深,文本聚合明显,此时根据近邻域数进行选择性文本加权,有效地提高了分类精度.实验结果表明,该算法在对样本容量大、类别聚合差异性较明显,分类精度要求高的医疗数据进行分类时能取得较好的分类效果.     

基于KNN的汉语问句分类

汉语问句分类是问答系统中重要的组成部分,问句分类结果的好坏直接影响问答系统的质量。利用知网(HowNet)义原树计算问句之间的语义相似度,并以此作为句子之间的距离度量,利用KNN算法构造分类器进行问句分类,并对最近邻分类算法、KNN分类算法及改进的KNN分类算法进行实验比较。结果表明加权的KNN分类器分类效果最好,达到了89.8%的精确率。     

基于改进KNN算法在近红外光谱中的模式识别研究

针对近红外光谱数据特征变量个数远大于样本数以及光谱点之间存在强相关的特点,通过主成分分析压缩光谱信息抽提独立的特征变量,在最佳主成分个数下计算各样本到不同类中心的马氏距离,进而统计整体的预测正确率。文中采用改进的KNN算法对四种牌号的卷烟近红外光谱数据进行了类别预测,在明显改进效率的同时,获得了更为准确的预测结果。     

一种改进的基于KNN颜色线性模型抠图算法*

介绍了一种减少用户标记和改进的基于KNN(K Nearest Neighbors)颜色线性模型的图像软抠取算法.通过ESCG(Efficient Spectral Clustering on Graphs)算法对输入图像进行谱聚类,用户只需选择某些类中确定的前景、背景像素,便能生成只包含少数未知像素的三分图.基于KNN颜色线性模型的抠图算法将局部平滑假设与非局部原理相结合,但在毛发及前景背景像素近似区域抠取效果并不理想,提出的改进算法将焦点特征添加到特征向量中,最小化基于图拉普拉斯矩阵的二次目标函数并确定泰知像素的透明度值.实验表明,改进算法在毛发、孔洞或者图像前景背景近似的区域都能有好的抠取效果.     

基于KNN的花卉分类技术应用

KNN算法在数据分析领域有着重要的应用。文章针对KNN算法中参数k选择不合理将导致分类结果准确率低的问题,将K折交叉验证法应用于KNN算法中k值的选取,通过k值分析图选取最佳k值,利用Python语言并基于Sklearn库实现KNN算法。在鸢尾花数据集上的实验表明,该模型是进行花卉分类的有效方法。     

基于一种优化的KNN算法在室内定位中的应用研究

根据位置指纹室内定位算法的理念,提出了一种旨在减小计算量的定位方法,并将此方法应用于KNN算法中。以KNN算法为例,理论上分析了其计算量优化的情况,并在此优化算法的基础上,通过仿真比较了K的取值、AP节点的位置及数量对定位精度的影响。结果表明该算法不但能够保证位置指纹室内定位的精度,而且还能有效的减小定位过程中的计算量。该方法同样可以推广到其他位置指纹定位算法中,能在理论上解决位置指纹定位算法的计算量问题。     

基于KNN的网络流量异常检测研究

互联网的不断发展和广泛使用给网络用户带来了极大的方便,但同时也使得网络安全形势变得越来越严峻.针对网络异常检测方法检测精度不高,网络环境动态不稳定的问题,提出了基于K-最近邻算法(K-Nearest Neighbor,KNN)的网络流量异常检测算法.算法基于属性加权与距离加权组合加权的方法进行异常检测,其中使用随机森林...