2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩53頁未讀 繼續(xù)免費閱讀

下載本文檔

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),請進行舉報或認領(lǐng)

文檔簡介

1、在各學(xué)科領(lǐng)域及實際應(yīng)用中,存在著大量的分類問題。隨著信息技術(shù)的迅猛發(fā)展,人們面臨著急速增長的數(shù)據(jù)量,然而人們迫切地希望從已有的海量數(shù)據(jù)中獲取有價值的信息或是預(yù)測未來的能力,因此分類算法也越來越受到人們的重視。作為數(shù)據(jù)挖掘的重要研究領(lǐng)域,分類技術(shù)已廣泛應(yīng)用于各個領(lǐng)域并起到了很重要的作用,具有很高的實用價值。
  在數(shù)據(jù)挖掘的分類領(lǐng)域中,國內(nèi)外大量研究學(xué)者在K最近鄰域概念的基礎(chǔ)上提出了K最近鄰分類算法及許多有效的K最近鄰改進算法。但是

2、在實際的涉及到K近鄰分類算法的應(yīng)用環(huán)境中,不同的參數(shù)K值對最終的分類結(jié)果及性能會有顯著的影響。同時當實驗數(shù)據(jù)集為不同特征時,具體 K值的選擇沒有可信賴的理論基礎(chǔ)以及可借鑒的信息,K值只能依賴大量的實驗以及用戶在實驗過程中的經(jīng)驗來選擇。所以對于K近鄰算法中的敏感參數(shù)K值的選擇是一個比較困難的研究點。
  針對上述問題,本文提出了基于自然最近鄰居的分類算法,具體工作如下:
 ?、僬{(diào)研并分析了分類技術(shù)的研究背景、實際應(yīng)用意義。并闡

3、述了分類算法國內(nèi)外的研究現(xiàn)狀。
  ②簡要描述了分類算法的定義及過程。隨后著重探討了幾種常用分類算法的算法思想、優(yōu)缺點及其典型算法等。最后,闡述了常用的分類算法的評價指標。
 ?、垡肓俗匀蛔罱従蛹夹g(shù)的概念以及核心思想。該近鄰技術(shù)的優(yōu)勢在于不需要設(shè)置任何參數(shù),算法通過自適應(yīng)計算形成每個樣本的鄰居。并對自然最近鄰居的搜索算法進行了改進,通過實驗驗證了改進算法不再對噪聲點敏感。最后介紹了自然最近鄰居的密度特性和穩(wěn)定性,并通過在

4、隨機以及真實數(shù)據(jù)集上的實驗驗證了這些特性。
 ?、芴岢隽嘶谧匀蛔罱従拥姆诸愃惴?。通過分析并發(fā)現(xiàn)自然最近鄰居用于高維數(shù)據(jù)分類時的不足,提出了一種基于自然最近鄰搜索算法、自然鄰居的相關(guān)定義以及加權(quán)方式的新的訓(xùn)練集權(quán)重分配方式,以提高分類精度。再利用自然最近鄰算法以及帶有權(quán)值的訓(xùn)練集對測試樣本進行分類。
 ?、萃ㄟ^在UCI真實數(shù)據(jù)集上將本文的分類算法與傳統(tǒng)的KNN算法以及加權(quán)KNN算法進行比較,實驗驗證了本文算法的有效性。并通

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)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔(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。

評論

0/150

提交評論