基于采样压缩的加速K-NN分类方法

作者：王晓

来源：山西大同大学学报(自然科学版), 2017, 33(04): 17-20.

• K-NN分类
• 采样
• S算法&apos
• ,&apos
• &apos
• fpZAeUj7Or1CtS5fpSDORSFeGsRjUhpwYfkHo8M3lMwxUqUZNRqPKBrNd%mmd2FGp8n7C&apos
• )
• &#xA
• &quot
• &gt
• KNNS算法
• 距离

标准K-近邻分类方法（K-Nearest Neighbor,K-NN）在进行样本预测过程时,需要计算每一个待预测类别标记的样本与所有已知标记样本的距离,因此复杂度较高,无法处理含有大规模有标记样本的分类问题。针对这个问题,本文提出一种基于采样压缩的加速K-NN分类方法（K-NN Method Based on Sampling Compress,KNNsub>S）。该方法将采样思想引入到K-NN分类过程当中,即对于每一个新来的未知类别的待测样本,不是计算其与所有带类别标签样本的距离,而是通过采集一定数量的有标记样本,计算这部分有标记样本中距离待测样本最近的近邻样本,来对待测样本进行分类。实验结果表明,本文提出的KNNsub>S方法能够加速K-NN分类的过程。

• 单位
  晋中学院