检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

knn分类算法改进研究进展

图书情报工作 2012年第21期56卷 97-100,118页

作者：奉国和吴敬学华南师范大学经济与管理学院广州510006

指出传统knn(k-nearest neighbor)算法的两大不足:一是计算开销大,分类效率低;二是在进行相似性度量和类别判断时,等同对待各特征项以及近邻样本,影响分类准确程度。针对第一点不足,提出三种改进策略,分别为:基于特征降维的改进、基于... 详细信息

指出传统knn(k-nearest neighbor)算法的两大不足:一是计算开销大,分类效率低;二是在进行相似性度量和类别判断时,等同对待各特征项以及近邻样本,影响分类准确程度。针对第一点不足,提出三种改进策略,分别为:基于特征降维的改进、基于训练集的改进和基于近邻搜索方法的改进;针对第二点不足,提出两种改进策略,分别为:基于特征加权的改进和基于类别判断策略的改进。对每种改进策略中的代表方法进行介绍并加以评述。

关键词： knn分类特征降维特征加权训练集优化快速算法

在线全文

学校读者我要写书评

暂无评论

一个高效的knn分类算法

计算机科学 2008年第3期35卷 170-172页

作者：张英黄玉龙王翰虎贵州大学计算机科学技术学院贵阳550025

knn算法是数据挖掘技术中比较常用的分类算法,由于其实现的简单性,在很多领域得到了广泛的应用。但是,当样本容量较大以及特征属性较多时,knn算法分类的效率就将大大降低。本文将粗糙集理论应用到knn算法中,实现属性约简,提出了一种新的... 详细信息

knn算法是数据挖掘技术中比较常用的分类算法,由于其实现的简单性,在很多领域得到了广泛的应用。但是,当样本容量较大以及特征属性较多时,knn算法分类的效率就将大大降低。本文将粗糙集理论应用到knn算法中,实现属性约简,提出了一种新的knn分类方法,解决了knn算法分类效率低的缺点,从而可使knn算法能够得到更广泛的应用。

关键词：数据挖掘 knn分类粗糙集属性约简

基于动态用户画像标签的knn分类推荐算法研究

在线全文

学校读者我要写书评

暂无评论

情报科学 2020年第8期38卷 11-15页

作者：张炎亮张超李静郑州大学管理工程学院河南郑州450001

【目的/意义】针对基于用户的协同过滤算法中用户偏好获取不完善的问题,提出一种基于动态用户画像标签的knn分类推荐算法,以解决在目前主流的推荐算法中常忽略用户的潜在偏好以及用户偏好的变化趋势等问题。【方法/过程】首先基于用户... 详细信息

【目的/意义】针对基于用户的协同过滤算法中用户偏好获取不完善的问题,提出一种基于动态用户画像标签的knn分类推荐算法,以解决在目前主流的推荐算法中常忽略用户的潜在偏好以及用户偏好的变化趋势等问题。【方法/过程】首先基于用户画像理论,通过在线评论,挖掘用户对产品各个属性特征的评价,并定期更新;其次运用K-means对用户进行聚类分析,将用户聚类结果作为knn分类算法的样本集;最后根据样本集中的用户偏好,运用knn分类算法,将具有不同特征的产品推荐给相应的用户,从而完成个性化推荐。【结果/结论】实验结果表明,通过与传统的基于用户的协同过滤算法在同一数据集上的对比,该算法在准确率、召回率和综合F值上具有一定的优势,能够进一步提高推荐系统的质量。

关键词：动态用户画像在线评论 K-means聚类 knn分类

基于模糊C-Means的改进型knn分类算法

在线全文

学校读者我要写书评

暂无评论

华中师范大学学报（自然科学版） 2017年第6期51卷 754-759页

作者：朱付保谢利杰汤萌萌朱颢东郑州轻工业学院计算机与通信工程学院郑州450002

knn算法是一种思想简单且容易实现的分类算法,但在训练集较大以及特征属性较多时候,其效率低、时间开销大.针对这一问题,论文提出了基于模糊C-means的改进型knn分类算法,该算法在传统的knn分类算法基础上引入了模糊C-means理论,通过对... 详细信息

knn算法是一种思想简单且容易实现的分类算法,但在训练集较大以及特征属性较多时候,其效率低、时间开销大.针对这一问题,论文提出了基于模糊C-means的改进型knn分类算法,该算法在传统的knn分类算法基础上引入了模糊C-means理论,通过对样本数据进行聚类处理,用形成的子簇代替该子簇所有的样本集,以减少训练集的数量,从而减少knn分类过程的工作量、提高分类效率,使knn算法更好地应用于数据挖掘.通过理论分析和实验结果表明,论文所提算法在面对较大数据时能有效提高算法的效率和精确性,满足处理数据的需求.

关键词：模糊C—Means 聚类 knn分类

在线全文

学校读者我要写书评

暂无评论

不均衡数据集中knn分类器样本裁剪算法

科学技术与工程 2013年第16期21卷 4720-4723页

作者：景永霞苟和平冯百明李勇琼台师范高等专科学校信息技术系海口571100 西北师范大学计算机科学与工程学院兰州730070

针对knn算法在分类时的样本相似度计算开销大,在处理不均衡数据集时少数类分类误差大的问题,提出一种在不均衡数据集下基于密度的训练样本裁剪算法。对训练样本的各个样本类进行聚类,删除噪声数据并计算每个样本类的平均相似度和样本平... 详细信息

针对knn算法在分类时的样本相似度计算开销大,在处理不均衡数据集时少数类分类误差大的问题,提出一种在不均衡数据集下基于密度的训练样本裁剪算法。对训练样本的各个样本类进行聚类,删除噪声数据并计算每个样本类的平均相似度和样本平均密度,以此获得样本类裁剪的相似度阈值,然后将样本类内相似度小于类相似度阈值的样本进行合并,减少训练样本总数。实验表明,此样本裁剪算法能够在保持knn算法分类性能基本稳定的前提下,有效地减少分类计算开销,并能在一定程度上提高少数类的分类性能。

关键词： knn分类聚类样本裁剪密度相似度

在线全文

学校读者我要写书评

暂无评论

基于粗糙集理论的knn分类

广西师范大学学报（自然科学版） 2007年第4期25卷 75-78页

作者：黄玉龙王翰虎陈梅贵州大学计算机科学与技术学院贵州贵阳550025

粗糙集理论为研究不精确数据的分析、推理,挖掘数据间的关系、发现潜在的知识提供了有效的工具。在数据挖掘技术中knn算法是一个实现简单和分类准确性较高的方法,但是,当用于样本容量较大以及特征属性较多的类似医疗图像挖掘这样的领域... 详细信息

粗糙集理论为研究不精确数据的分析、推理,挖掘数据间的关系、发现潜在的知识提供了有效的工具。在数据挖掘技术中knn算法是一个实现简单和分类准确性较高的方法,但是,当用于样本容量较大以及特征属性较多的类似医疗图像挖掘这样的领域时,其效率受到了很大的影响,找到一个删除最大冗余属性的方法成了解决这个问题的关键。将粗糙集理论与knn算法结合起来,用粗糙集方法进行属性约简,有效地解决了knn算法分类的这个缺点。

关键词： knn分类粗糙集属性约简

在线全文

学校读者我要写书评

暂无评论

隐私保护knn分类算法研究

隐私保护kNN分类算法研究

作者：陈玉娇上海海洋大学

学位级别：硕士

knn分类算法作为机器学习领域的重要算法之一,通过对已有数据进行理论分析实现数据预测,在疾病预诊断、股票走势预测、线上销售精准营销、推荐服务等领域发挥着重要的作用。随着knn分类算法被广泛地应用在生活的各个领域,算法本身存在... 详细信息

knn分类算法作为机器学习领域的重要算法之一,通过对已有数据进行理论分析实现数据预测,在疾病预诊断、股票走势预测、线上销售精准营销、推荐服务等领域发挥着重要的作用。随着knn分类算法被广泛地应用在生活的各个领域,算法本身存在的数据隐私泄露问题,引起了工业界和学术界的广泛关注。随着“大数据”时代的到来,数据量大幅增加,本地客户端资源已无法满足“大数据”时代的存储和计算需求,云计算的出现解决了这一困境,云计算具有低成本、高灵活性、高存储量以及强大的算力等优点,并且本地客户端可以随时访问存储在云端的数据并将复杂的数据计算外包给云服务器,因此云计算在实际应用中越来越受青睐。但是当存储和计算资源受限的客户端将数据以及计算任务外包给不可信云服务器时,云服务器也因此获得访问数据的权力,并且云服务器提供商有可能因为利益诱惑将存储的数据出售给第三方,这使得数据隐私泄露问题更加突出。因此,研究支持数据隐私保护的knn分类算法成为必然趋势。针对knn分类算法以及不可信云计算服务中的数据隐私保护问题,可以通过安全多方计算技术解决,安全多方计算可以实现多个参与方联合计算而不泄露各自持有的私有信息。目前学术界已经提出许多关于隐私保护knn分类方案,但是仍旧存在一些挑战,如分类效率、分类准确率、是否支持弱客户端以及客户端在分类的过程中是否可以保持离线状态等,以上挑战也是本文的探索方向。本文实现了从多方计算环境到两方计算环境下的隐私保护knn分类方案,主要完成工作如下:(1)提出了多方计算环境下的基于云辅助的隐私保护knn分类方案。鉴于存储和计算受限的弱客户端以及不可信云服务,本文基于秘密共享技术对数据拆分,将拆分后的秘密份额外包到2个非共谋的云服务器,基于安全两方乘法计算协议实现了安全欧几里得平方计算协议;在非共谋双云服务器基础上,添加第三方云辅助服务器,将安全最小值协议扩展,提出安全Top-k选择协议,用于实现求前k个最小值。基于安全欧几里得平方计算协议和安全Top-k选择协议提出了基于云辅助的隐私保护knn分类方案,实验结果表明,该方案在保证分类准确率的前提下,实现了数据隐私保护和分类过程高效性。(2)提出了两方计算环境下的基于K-means聚类的隐私保护knn分类方案。基于云辅助的隐私保护knn分类方案中直接在原始数据集上执行基础协议,待计算的样本规模较大,从而产生较大的计算和通信开销,导致分类效率降低,并且该方案落地时,需要提供三个非共谋的云服务器,在实际应用中较为困难。针对上述问题,提出在方案开始之前,先对数据集做K-means聚类,将聚类后的聚类中心和簇做秘密共享拆分,拆分后的秘密份额外包到双云服务器,之后基于聚类中心和特定的簇内样本秘密份额执行方案,减少了待计算的样本数量规模。对安全Top-k选择协议加以改进,提出了适用于两方计算环境下的Top-k选择协议。实验结果表明,两方计算环境下的基于K-means聚类隐私保护knn分类方案在性能上得到了很大的优化。本文实验验证部分使用Iris、Wine、Car Evaluation、Nursery和Waveform数据集。实验结果表明,基于云辅助的隐私保护knn分类方案在实现数据隐私保护的同时,分类准确率与明文knn分类准确率几乎保持一致;基于K-means聚类的安全两方knn分类方案的准确率相较于明文knn分类准确率下降范围仅在0.003～0.0212,但是该方案的时间开销相较于基于云辅助的隐私保护knn分类方案,降低了71.53%,效率得到了显著提升,实现了高效的隐私保护knn分类算法。此外,本文中提出的两个方案均支持数据拥有者在完成秘密份额分发后,无需实时在线。

关键词：隐私保护 knn分类 K-means聚类数据外包安全多方计算

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

面向同态加密的knn分类技术研究

面向同态加密的KNN分类技术研究

作者：金伟峰沈阳航空航天大学

学位级别：硕士

目前数据安全领域关注数据全生命周期安全,除安全存储、安全传输外,还关注数据处理过程中的隐私保护问题。传统的加密方式虽然可以保证大量数据在云端的安全存储,但是对保证云端数据处理过程中的安全缺乏有效的解决方案。同态加密技术... 详细信息

目前数据安全领域关注数据全生命周期安全,除安全存储、安全传输外,还关注数据处理过程中的隐私保护问题。传统的加密方式虽然可以保证大量数据在云端的安全存储,但是对保证云端数据处理过程中的安全缺乏有效的解决方案。同态加密技术借助于其密文状态下的计算结果解密后与明文状态下执行相同操作计算结果相同的特点,被期望应用于云计算过程中以提高在云端进行数据处理过程中的安全性和保密性。同态加密可以保证对密文数据进行处理而不泄露任何信息,只有数据的拥有者或授权者可以运用秘钥对云端密文数据进行解密,云端的密文计算参与者无法获取明文数据。其他数据隐私保护算法对云端数据进行处理需要比同态加密技术更复杂、繁琐的网络传输并面临未经授权访问的问题。本文首先根据整数算术运算的同态加密方案HE-IAO（Homomorphic Encryption of the Integer Arithmetic Operation,HE-IAO）提出了一种密文比较算法。对二进制减法中的进位标志位加以改进,进而通过进位标志和减法同态运算得到密文比较结果而无需解密。与安全第三方为基础的密文比较算法相比,基于HE-IAO的密文比较算法能够有效抵抗基于云的未授权数据采集,如密码破解、内存泄漏等。实验结果表明在可比较运行环境下,其计算效率比以安全多方计算为基础的密文比较算法高约50%。其次,本文在原始knn（K-NearestNeighbor,knn）算法的基础上进行改进以适应密文状态下的计算,将原始的欧氏距离改为数据集与测试集之间的平方核函数,避免在密文计算过程中进行开方操作。并将原始方案中的排序选取距离最近的K个样本点改为以测试数据集为圆心,r为半径的选取策略。降低密文状态下的运算量,提升整体方案的运算效率。最后,本文基于改进后的HE-IAO方案和CR-knn（Ciphertext Ring based K-NearestNeighbor,CR-knn）算法进行了仿真实验,实现了对同态加密密文数据的knn分类。实验结果表明,改进后的方案在分类正确率得到保障的同时可以支持唯密文状态下的分类,分类的正确率只取决于基于环的knn分类中半径参数r的设置。基于HE-IAO方案的knn分类算法可以通过云端计算减轻用户的计算压力和存储压力,同时保障了云计算过程中的数据安全,一定程度上为数据处理过程中的隐私保护问题提供了解决方案。

关键词：同态加密云计算隐私保护密文比较算法 knn分类

自适应knn分类算法及其在个人信用风险评估中的应用

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

自适应KNN分类算法及其在个人信用风险评估中的应用

作者：张兵广西大学

学位级别：硕士

参数k值的合理选取是knn算法设计中的一个难点问题。目前k值一般凭经验选取,而且传统的knn算法中所有的测试样本都用一个k值,这对于分布不均匀的样本来说显然是不合理的,可能会降低分类的正确率。个人的信用问题是贷款违约的主要原因,... 详细信息

参数k值的合理选取是knn算法设计中的一个难点问题。目前k值一般凭经验选取,而且传统的knn算法中所有的测试样本都用一个k值,这对于分布不均匀的样本来说显然是不合理的,可能会降低分类的正确率。个人的信用问题是贷款违约的主要原因,建立有效的个人信用风险评估系统能降低银行的投资风险。为有效评估个人的信用风险,越来越多的学者开始把数据挖掘技术与个人的信用风险评估结合起来,设计或开发基于数据挖掘的个人信用风险评估模型,但在针对个人信用信息的自适应挖掘方面的研究还缺乏应有的成果。本文主要研究的是自适应knn分类算法及其在个人信用风险评估中的应用。本文完成的主要工作如下:(1)针对knn算法中k值需要提前设定而且是固定的缺点,提出一种基于局部密度和纯度的自适应knn分类算法,该算法综合考虑测试样本的局部密度以及最大类所占的比重,测试样本选择可信度高的k值,使得测试样本的k值是通过学习样本的相关性得到的,而不是人为设定的,对于不同的测试样本选取的k值也不固定,从而提高了分类的正确率。算法可以用于无法通过经验或者需要长时间实验选取k值的情况,在一定程度上减少选取k值的时间。(2)在个人信用风险评估模型中,引入knn分类算法。考虑到评估个人信用时,样本的每个属性所占的地位不同,可能有的特征对信用影响比较大,有的特征对信用的影响不大。对特征属性加权,提出一种改进的特征属性加权的knn分类算法,然后将k值自适应的加权knn分类算法应用于个人信用风险评估中,实验结果表明本文提出的算法对于个人信用的评估有较好的分类效果,可以应用到评估个人信用风险中。

关键词： knn分类个人信用风险评估自适应k 特征属性加权