检索结果-南通市图书馆

检索条件"主题词=DLLE算法"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

KNN算法的若干改进方法

KNN算法的若干改进方法

引用

作者：于祥雨杭州师范大学

学位级别：硕士

K最近邻(K-NearestNeighbor，KNN)算法作为数据挖掘经典算法之一，在实际生活中具有广泛的应用.本文主要对传统KNN算法在训练集，边界问题以及维规约和数量规约等方面进行分析，研究和实验，提出了4种新算法：GOKNN算法，LOKNN算法，BI... 详细信息

K最近邻(K-NearestNeighbor，KNN)算法作为数据挖掘经典算法之一，在实际生活中具有广泛的应用.本文主要对传统KNN算法在训练集，边界问题以及维规约和数量规约等方面进行分析，研究和实验，提出了4种新算法：GOKNN算法，LOKNN算法，BIKNN算法以及dlle-KNN算法.本文一共分为五个章节内容：　　第一章，主要阐述本文的研究背景和内容，并叙述本文研究内容在解决实际问题具有广泛的应用前景.伴随着大数据概念的兴盛和技术的提高，KNN算法被不同领域所采用并获得了较好的效果.　　第二章，介绍国内外研究学者对KNN算法的研究进展，研究内容以及研究成果.　　第三章，对本文研究内容涉及到的理论知识进行介绍，其理论知识主要有：留出法，蒙特卡罗方法，数据标准化以及几种统计量.　　第四章，介绍本文数值实验的数据集，分别阐述全局最优KNN算法，局部最优KNN算法，基于边界改进的KNN算法以及dlle-KNN算法的原理，算法描述，数值实验和实验结果分析.　　第五章，主要阐述本文研究内容的实验效果与不足之处.　　本文通过降低训练集规模的思想提出全局最优KNN算法和局部最优KNN算法,该算法是通过重新构造新训练集再进行KNN算法，其数值实验表明，在保证分类准确率下降不明显的前提下，可以通过少量新训练集来降低KNN算法的计算量.由于待测样本分类错误常发生在不同类别数据点交汇处，基于此本文提出一种基于边界改进的KNN算法，数值实验结果表明该算法在部分数据集上可以提高分类准确率.从维规约，训练集质量和规模的角度出发，本文提出dlle-KNN算法，该算法在部分数据集的分类准确率优于传统KNN算法.　　本文的不足之处主要体现在数据集规模较小时，4种改进算法的计算成本要大于传统KNN算法.

关键词： KNN算法蒙特卡罗方法 LLE算法 dlle算法维规约

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：