基于结构学习KNN分类算法.pdfVIP

计算机科学2007V01．34No．12 基于结构学习的KNN分类算法*) 孙岩1·2 吕世聘3 王秀坤3唐一源2 (辽宁师范大学计算机与信息技术学院 大连116029)1(大连理工大学神经信息学研究所大连116023)2 (大连理工大学计算机科学与工程系 大连116023) 摘要KNN(K—NearestNeighbor)算法和贝叶斯网络分类算(BayesianNetwork，BN)都是目前应用非常广泛的 分类算法。本文首先分析了KNN和BN的分类特点，然后在保留了两个算法在分类问题中优点的基础上，提出了基 于贝叶斯网络结构学习的KNN算(BN-KNN)。实验结果表明，BN-KNN算法能够有效地提高分类的正确率。 关键词 贝叶斯网络，K．近邻算法，距离加权 K-Nearest Basedon Structure NeighborAlgorithmLearning SUNYahI·2LVsh卜Pin3Ⅵ0～NG)(iu．KUN3TANGYi—Yuarl2 ScienceDepartmentofLiaoningNormalUniversity，Dalian116029)1 (Computer (NeuroinfonmticsInstituteofDalian of 116023)2 UniversityTechnology，Dalian Science ofDalian of DepartmentUniversityTechnology，Dalian116023)3 (Computer AbstractK-Nearest networkclassification Neighboralgorithm(KNN)andBayesian algorithm(BN)arecurrently theKNNandBNclassified thenre— usedclassification first，this features，and widely algorithms．Atpaperanalyzes on tainsthemeritsoftwoclassification last。aKNN based the network algorithm．At algorithm learningBayesian structure(BN-KNN)is resultsshowthatBN-KNN canbeusedto the presented．Experimental algorithm improve classification accuracy． network，K-nearest KeywordsBayesian neighboralgorithm，Distance-weighted 值定为20，30或更多一些，但对于网页的文本分类可能一般 1 KNN分类算法 要定为几百到几千之间。 KNN分类算法是一种非常有效的非参数分类算法，已经 ③在训练样本集中选出与新样本最相似的k个样本。假 广泛应用于分类、回归和模式识