基于BP神经网络决策的KNN改进算法

作     者：路敦利 宁芊 臧军 LU Dunli;NING Qian;ZANG Jun

作者机构：四川大学电子信息学院成都610065 中石化管道储运有限公司荆门输油处湖北荆门448000 

出 版 物：《计算机应用》 (journal of Computer Applications)

年 卷 期：2017年第37卷第A2期

页      面：65-67,88页

学科分类：08[工学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 081202[工学-计算机软件与理论] 

主　　题：K近邻 BP神经网络 算法精度 分类算法 K值 

摘      要：针对K近邻(KNN)算法中算法精度受K值选取影响较大的问题,提出了一种使用BP神经网络来优化KNN算法的改进算法来降低K值选取对算法精度的影响同时提高K近邻算法的准确率。所提改进算法主要是使用BP神经网络对K近邻算法分类完成后的结果进行改进优化。首先,通过对训练样本使用K值不同的K近邻算法进行初步分类,同一数据会得到多个不同的初步分类结果集;然后将初步分类结果集作为BP神经网络的输入,再对BP神经网络进行训练分类。在多个数据集上的实验表明,基于BP神经网络决策的K近邻改进算法降低了K值对算法精度的影响,同时极大地提高了分类的准确率。