|
|||||
|
|
| 一种自适应k-最近邻算法的研究* | |
| 作者姓名： | 余小鹏 周德翼 |
| 作者单位： | 武汉大学,计算机学院,湖北,武汉,430072;华中农业大学,经贸学院,湖北,武汉,430070;华中农业大学,经贸学院,湖北,武汉,430070 |
| 基金项目： | 国家自然科学基金资助项目 (70271045) |
| 摘 要： | 针对传统k-最近邻算法(k-Nearest Neighbor, kNN)存在搜索慢的缺陷,提出了一种改进型的自适应k-最近邻算法。该方法在以测试样本点为中心的超球内进行搜索,对超球半径的生长进行采样,建立半径生长的BP神经网络模型,逼近半径变化函数,并用该函数指导超球体的生长。该方法有效地缩小了搜索范围,减少了超球体半径生长的试探次数,对处理稀疏数据集有明显的优越性。 |
| 关 键 词： | 模式分类 k-最近邻算法 超球 BP网络算法 |
| 文章编号： | 1001-3695(2006)02-0070-03 |
| 收稿时间： | 2004-12-04 |
| 修稿时间： | 2005-03-18 |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ | |
| 点击此处可从《计算机应用研究》浏览原始摘要信息 | |
| 点击此处可从《计算机应用研究》下载全文 | |