商務(wù)智能應(yīng)用中數(shù)據(jù)挖掘KNN算法的改進(jìn)與高性能程序的實(shí)現(xiàn).pdf

1、當(dāng)今的時(shí)代是信息化的時(shí)代，隨著計(jì)算機(jī)和網(wǎng)絡(luò)的迅速發(fā)展，在日常生活中會(huì)產(chǎn)生越來越多的數(shù)據(jù)。人們?cè)谙硎苄畔⒒W(wǎng)絡(luò)系統(tǒng)帶來便利的同時(shí)，也遺憾有非常多的信息被淹沒在了數(shù)據(jù)之中。如何整理和管理這些寶貴的數(shù)據(jù)，怎么才能更好更有效的使用這些數(shù)據(jù)，成為一個(gè)迫切而重要的問題。
　　 數(shù)據(jù)挖掘無疑是針對(duì)這個(gè)問題而產(chǎn)生的一門非常有實(shí)際應(yīng)用價(jià)值的學(xué)科。研究數(shù)據(jù)挖掘技術(shù)，可以更好的組織管理信息，讓數(shù)據(jù)更好的服務(wù)人類，而不是隨著時(shí)間付之東流。
　　

2、 KNN算法也就是K近鄰算法，是由Cover和Hart于1968年提出的一種數(shù)據(jù)挖掘方法。這種方法非常容易理解，在之后也得到了更深入的研究和應(yīng)用。它也是非參數(shù)算法中一個(gè)重要的方法。KNN，K近鄰算法是最近鄰的擴(kuò)展。其中K值越大那么貝葉斯錯(cuò)誤率就越低，當(dāng)然運(yùn)算產(chǎn)生的開銷也是隨著增大的。本論文就是通過改進(jìn)的KNN算法，使得基于KNN算法的應(yīng)用不僅更具有針對(duì)性和有效性。而且還可以縮短開銷提升可行性。
　　 CUDA編程模型，是基于GP

3、U的編程模型。這種模型無疑針對(duì)KNN算法這種大規(guī)模運(yùn)算更加有效。由于其編程特點(diǎn)具有絕對(duì)的并行特征。那么在運(yùn)算過程中，這種基于CUDA的改進(jìn)可以大大的提高GPU的運(yùn)算效率。
　　 KNN算法通過計(jì)算樣本個(gè)體之間的距離或者相似度來尋找與每個(gè)樣本個(gè)體最相近的K個(gè)個(gè)體，在這個(gè)過程中需要完成一次樣本個(gè)體的兩兩比較，所以算法的時(shí)間復(fù)雜度，跟樣本的個(gè)數(shù)直接相關(guān)。K最近鄰算法通常情況下是用于分類的，這只是對(duì)K近鄰算法用途的本質(zhì)說明。從實(shí)際來看，