分層抽樣的K近鄰分類加速算法
大?。?/span>3.04 MB 人氣： 2018-02-27 需要積分：2
標簽：分層(11535)
k近鄰（k nearest neighbor，kNN）分類作為數據挖掘中最典型的算法之一，以較高的泛化性能以及充足的理論基礎被廣泛應用。然而kNN在測試時需要計算待識別實例與所有訓練實例之間的距離，以至于在面對大規模數據時需要大量的時間。為此，提出一種基于分層抽樣的kNN加速算法（KNN based on stratified sampling，SS_kNN）。首先將訓練實例所在的空間劃分為若干個實例個數相等的區域，然后從每個區域內抽取實例，最后判定待識別實例落入劃分區域中的哪一個，并從此區域以及相鄰區域抽取的實例中尋找其K個近鄰。與原始kNN算法以及基于隨機抽樣的kNN算法相比，SSkNN算法可以獲得與其相近分類精度，但將其運行速度分別提高大約399倍和16倍。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%