基于分位数概要的KNN算法研究

文章简述了分位数概要的相关概念及特点,针对KNN(K最近邻居)的算法特性及应用进行了深入的研究,并在此基础上提出了基于分位数的多值对象的KNN研究问题,为今后的算法研究奠定了基础。     

基于相对熵的KNN文本分类方法的研究

摘要:为提高处理文本相似度的效果,提出了一种基于相对熵度量文本差异的KNN算法.该算法首先对文本进行预处理(分字与删去停用字)和构建特征字字典; 然后计算训练集中所有文本特征字的概率,并组成训练集(特征字概率矩阵); 最后计算预测文本的特征字概率向量,并通过计算和统计K个预测文本与训练集文本间相对熵最小的文本类别个数后将数目最多的类别作为测试样本的类别.实验结果表明,该算法的分类效果不仅显著优于传统KNN、SVM、Decision Tree、朴素Bayes算法的分类效果,且在小样本数据情况下     

Transformation of hardening to softening behaviors induced by Sb substitution in CuO-doped KNN-based piezoceramics

Pb-free piezoceramics of K_0.5Na_0.5Nb_1-xSb_xO₃ + 1 mol% CuO are synthesized via a solid-state reaction. Furthermore, the transformation of hardening to softening behaviors induced by Sb substitution is exhibited and the corresponding microscopic mechanism is proposed. The CuO-doped K_0.5Na_0.5NbO₃ ceramic without adding Sb exhibits extremely hardening characteristics (i.e., ultrahigh Q_m of ∼2426, low tanδ of 0.32%, and pinched ferroelectric hysteresis loop) due to the formation of defect combinations (${({\text{Cu}}_{\text{Nb}}^{\text{'''}}-{\text{V}}_{\text{o}}^{••})}^{\text{'}}$ and ${({\text{V}}_{\text{o}}^{••}-{\text{Cu}}_{\text{Nb}}^{\text{'''}}-{\text{V}}_{\text{o}}^{••})}^{•}$). Whereas, the addition of Sb dramatically reduces the levels of defect combinations, leading to obviously softening properties (d₃₃ > 210 pC N⁻¹, k_p > 40%, low Q_m, and normal single P-E hysteresis loop). Our results indicate that the decrease of defect combinations with Sb addition should be responsible for the hardening-softening transformation of piezoelectricity and ferroelectricity in CuO-doped K_0.5Na_0.5Nb_1-xSb_xO₃ piezoceramics.     

基于小波变换和主分量分析的人脸识别

提出了基于小波变换和主分量分析的人脸识别算法.该算法首先用小波变换对人脸图像进行小波分解,形成低频小波子图,然后用主分量分析法构造特征脸子空间,将人脸图像在特征空间的投影作为KNN分类器的输入,由KNN分类器对提取的特征进行识别.在ORL人脸数据库上的实验结果表明该方法具有良好的性能.     

实用高效的垃圾邮件过滤算法

为了提高电子邮件中垃圾邮件的过滤准确率和效率,以朴素贝叶斯算法和K最近邻（KNN：K-Nearest Neighbors）算法为基础,对传统垃圾邮件过滤算法进行改进,给出邮件的合法属性和非法属性的概念,并提出一种新的分类算法——基于邮件合法属性和非法属性的分类算法（SEASF：Simple and Efficient Algorithm to Spam Filter based on legitimate attribute and nonlicet attribute）。SEASF计算复杂度较低,可适用于大规模场合及邮件的在线过滤。将SEASF算法应用于垃圾邮件过滤的结果表明,该算法可大幅度提高分类精度,分类速度也令人满意。     

Gabor小波和改进LBP的零件表面粗糙度识别

目的 为了提取零件表面图像的纹理特征并对其表面粗糙度分类识别,有效提高识别的正确率,提出了联合Gabor小波和改进局部二值模式(LBP)的纹理特征提取方法。方法 针对传统LBP算子忽略了邻域内灰度差幅值特征的问题,提出了M_LBP(magnitude considered LBP)算子。采用Gabor小波对零件表面图像滤波,并计算各子图像 Gabor幅值特征GMM(Gabor magnitude maps)。应用M_LBP算子计算各GMM的M_LBP特征谱,进而构造得到零件表面图像的纹理特征向量,最后通过KNN(K-nearest neighbor)算法对零件粗糙度分类识别。结果 本文提出的算法有效细化了表面图像纹理特征,对粗糙度差别为0.2 μm的零件识别准确率达到98%,远高于利用传统LBP算子提取的纹理信息的识别准确率。结论 本文提出了一种有效细化LBP纹理特征的M_LBP算子,并通过与Gabor小波的结合,突破了传统LBP算子尺度、方向单一,幅值信息被忽略的局限性,能实现较高精度的粗糙度识别。     

基于双向选择的伪近邻算法

针对伪近邻分类算法（LMPNN）对异常点和噪声点仍然敏感的问题,提出了一种基于双向选择的伪近邻算法（BS-PNN）。利用邻近性度量选取[k]个最近邻,让测试样本和近邻样本通过互近邻定义进行双向选择;通过计算每类中互近邻的个数及其局部均值的加权距离,从而得到测试样本到伪近邻的欧氏距离;利用改进的类可信度作为投票度量方式,对测试样本进行分类。BS-PNN算法在处理复杂的分类任务时,具有能够准确识别噪声点,降低近邻个数[k]的敏感性,提高分类精度等优势。在UCI和KEEL的15个实际数据集上进行仿真实验,并与KNN、WKNN、LMKNN、PNN、LMPNN、DNN算法以及P-KNN算法进行比较,实验结果表明,基于双向选择的伪近邻算法的分类性能明显优于其他几种近邻分类算法。     

Li and Ta-modified KNN piezoceramic fibers for vibrational energy harvesters

Piezoelectric energy harvesters (PEH) hold enormous potential for converting mechanical energy from our surrounding environment into electrical energy that can be used for powering portable electronics. Potassium sodium niobate (KNN) is one of the promising alternatives to replace lead-based piezoelectric materials. This work presents a cutting-edge demonstration of synthesis-function-device integration of piezoelectric nanofibers, where the morphology and the composition are engineered towards achieving high device output. We report a flexible nanogenerator based on electrospun Li and Ta-modified lead-free KNN nanofibers yielding a high voltage output of 5.6 V, which is around 9-fold higher than for the Mn-doped KNN nanofibers reported previously. The influence of Li and Ta-incorporation into the KNN lattice on the electromechanical coupling and the effect of a nanofiber morphology are investigated. The net-shaped KNN and Li and Ta-modified KNN nanofibers, synthesized by electrospinning of appropriate sols, maintain their structural integrity upon calcination and firing steps. The phase analysis (XRD) confirms the formation of single-phase (KNN) material. Li and Ta are found to be incorporated on the A and B-sites of the perovskite lattice, respectively. Piezo force microscopy data show the heat-treated nanofibers to exhibit multi-domain ferroelectric properties.     

基于余弦距离的局部敏感哈希的KNN算法在中文文本上的快速分类

文本分类是文本挖掘中最重要的研究内容之一。为了克服目前以距离衡量的近似分类算法在海量数据下耗费大量时间的缺陷,提出了结合基于余弦距离的局部敏感哈希的方式将KNN算法在TF-IDF下对中文文本进行快速分类。同时结合文本数据的特性给出了不同的哈希函数级联方式分别进行实验。在实验过程采用了布尔向量的方式规避重复访问,使分类的结果在可以允许的范围内,分类速度比原始KNN提高了许多。