搜索结果: 1-9 共查到“计算机科学技术基础学科 KNN”相关记录9条 . 查询时间(0.098 秒)
MapReduce框架下的优化高维索引与KNN查询
云计算 MapReduce KNN查询 高维索引
2016/12/27
针对大规模高维数据近似查询效率低下的问题，利用MapReduce编程模型在大规模集群上的数据与任务的并行计算与处理优势，提出MapReduce框架下大规模高维数据索引及KNN查询方法（iPBM），重点突破MapReduce数据块（block）的优化划分与各数据块对计算的共同贡献两大难题，利用两阶段数据划分策略并依据相关性与并行性原则将数据均匀分配到各数据块中，设计分布式的双层空间索引结构与并行KN...
基于属性值信息熵的KNN改进算法
分类 KNN算法 属性值 信息熵
2010/1/28
为了克服传统KNN算法，距离加权-KNN算法在距离定义及投票方式上的不足，提出了一种基于属性值对类别重要性的改进算法Entropy-KNN。首先定义两个样本间的距离为相同属性值的平均信息熵，此距离可通过重要属性值有效度量样本之间的相似程度，其次算法Entropy-KNN根据上述定义的距离选取与待测试样本距离最小的K个近邻，最后根据各类近邻样本点的平均距离及个数判断待测试样本的类别。在蘑菇数据集上的...
基于聚类算法的KNN文本分类算法研究
K近邻 隶属度 文本分类
2009/7/17
KNN算法是一种在人工智能领域如专家系统、数据挖掘、模式识别等方面广泛应用的算法。该算法简单有效，易于实现。但是KNN算法在决定测试样本的类别时，是把所求的该测试样本的K个最近邻是等同看待的，即不考虑这Ｋ个最近邻能表达所属类别的程度。由于训练样本的分布是不均匀的，每个样本对分类的贡献也就不一样，因此有必要有区别的对待训练样本集合中的每个样本。利用聚类算法，求出训练样本集合中每个训练样本的隶属度，利...
简化的粒子群优化快速KNN分类算法
K近邻分类器 粒子群优化算法 相似度
2009/7/15
提出了一种有效的k近邻分类文本分类算法，即SPSOKNN算法，该算法利用粒子群优化方法的随机搜索能力在训练集中随机搜索.在搜索k近邻的过程中，粒子群跳跃式移动，掠过大量不可能成为k近邻的文档向量，并且去除了粒子群进化过程中粒子速度的影响，从而可以更快速地找到测试样本的k个近邻.通过验证算法的有效性表明，在查找k近邻相同时，SPOSKNN算法的分类精度高于基本KNN算法。
基于KNN图的两阶段孤立点检测及应用研究
孤立点检测 KNN图 微阵列数据
2009/6/23
针对两种基于KNN图孤立点检测方法：入度统计法（ODIN）和K最邻近（K-nearest Neighbor，RSS）算法的不足，提出了一种新的改进方法：两阶段孤立点检测方法，并进行了适当扩充使之适用于数据集中孤立点数目未知情况下的孤立点检测。算法应用于“小样本，高维度”的基因微阵列数据集进行样本孤立点检测取得了很好效果，证明了此方法的有效性。
基于kNN算法的异常行为检测方法研究
kNN算法 分类 异常行为检测
2009/4/24
阐述了异常行为检测的相关概念，介绍了kNN算法，探讨了异常行为检测与分类技术的关系。结合kNN算法的优点以及异常行为检测与分类的相似性，提出了基于kNN算法的异常行为检测方法，给出了其计算方法，并确定了检测的过程，分析了该方法的特点和优势。基于kNN算法的异常行为检测方法通过不断的自学习，会成为信息安全的一道有效防线。
基于KNN算法的组合式非搜索特征选择算法
非搜索 最大信息压缩指数 KNN
2009/4/24
随着特征维数的不断增长，搜索性特征选择算法付出巨大的时间代价，而非搜索性算法则由于其时间代价小，而且能有效去除冗余特征等优越性越来越受到关注。该文介绍了一种非搜索性算法——KNN特征选择算法，该算法通过计算特征间的相关性来消除冗余特征，时间代价小。在此基础上，该文提出了一种基于KNN算法的组合式非搜索特征选择算法。
采用灵敏度方法对距离公式中文本特征的权重进行修正；提出一种基于CURE算法和tabu算法的训练样本库的裁减方法，采用CURE聚类算法获得每个聚类的代表样本组成新的训练样本集合，然后用tabu算法对此样本集合进行进一步维护（添加或删除样本），添加样本时只考虑增加不同类交界处的样本，添加或删除样本以分类精度最高、与原始训练样本库距离最近为原则。