已閱讀1頁,還剩127頁未讀, 繼續(xù)免費(fèi)閱讀
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、kNN算法是一種簡單、有效和非參數(shù)的分類方法。但是,kNN算法需要計(jì)算測試樣本與每個訓(xùn)練樣本的距離并比較大小,算法的效率較低。為了有效提高kNN算法執(zhí)行效率,本文提出一種基于區(qū)域劃分的kNN文本快速分類算法,該方法將訓(xùn)練樣本集按空間分布情況劃分成若干區(qū)域,通過各區(qū)域與測試樣本之間的距離關(guān)系來建立初級分類器。利用初級分類器裁剪訓(xùn)練樣本并快速查找測試樣本的新訓(xùn)練集。在新訓(xùn)練集上使用kNN分類器對測試樣本進(jìn)行類別判定,減少了kNN分類器的計(jì)算
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于區(qū)域劃分的改進(jìn)KNN分類算法.pdf
- 基于改進(jìn)哈希算法的快速KNN文本分類方法.pdf
- 基于KNN的專利文本分類算法研究.pdf
- 基于語義中心的KNN文本分類算法研究.pdf
- 基于KNN的中文文本分類算法研究.pdf
- 基于蜂群算法和改進(jìn)KNN的文本分類研究.pdf
- 基于KNN的文本分類特征選擇與分類算法的研究與改進(jìn).pdf
- KNN文本分類及特征加權(quán)算法研究.pdf
- 基于KNN算法的文本分類系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 文本分類中基于概念聚合的KNN算法優(yōu)化問題研究.pdf
- KNN文本分類研究.pdf
- 基于改進(jìn)KNN的文本分類算法的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 一種改進(jìn)的KNN文本分類算法.pdf
- 基于樣本重要性原理的KNN文本分類算法.pdf
- 基于改進(jìn)KNN分類算法的文本分類關(guān)鍵技術(shù)研究與實(shí)現(xiàn).pdf
- 基于KNN的多標(biāo)簽分類算法研究.pdf
- 基于聚類算法的KNN文本分類系統(tǒng)研究與實(shí)現(xiàn).pdf
- 海量數(shù)據(jù)的KNN文本分類算法的MapReduce實(shí)現(xiàn)研究.pdf
- KNN文本分類中特征詞權(quán)重算法的研究.pdf
- KNN算法的改進(jìn)及其在文本分類中的應(yīng)用.pdf
評論
0/150
提交評論