K最近邻算法理论与应用综述

发布时间：2018-01-18 10:01

本文关键词：K最近邻算法理论与应用综述　出处：《计算机工程与应用》2017年21期 　论文类型：期刊论文

【摘要】：k最近邻算法(kNN)是一个十分简单的分类算法,该算法包括两个步骤:(1)在给定的搜索训练集上按一定距离度量,寻找一个k的值。(2)在这个kNN算法当中,根据大多数分为一致的类来进行分类。kNN算法具有的非参数性质使其非常易于实现,并且它的分类误差受到贝叶斯误差的两倍的限制,因此,kNN算法仍然是模式分类的最受欢迎的选择。通过总结多篇使用了基于kNN算法的文献,详细阐述了每篇文献所使用的改进方法,并对其实验结果进行了分析;通过分析kNN算法在人脸识别、文字识别、医学图像处理等应用中取得的良好分类效果,对kNN算法的发展前景无比期待。
[Abstract]:K nearest neighbor algorithm (kNN) is a very simple classification algorithm, the algorithm consists of two steps: (1) in a given search on the training set according to a certain distance, looking for a k value. (2) in the kNN algorithm, according to the most consistent class of non the parameters classification.KNN algorithm has made it very easy to implement, and it is two times the classification error of the Bayesian error limit, therefore, the kNN algorithm is a classification of the most popular choice. By summing up many articles using the kNN algorithm based on the literature, describes the improvement methods used by each literature, and the experimental results are analyzed; through the analysis of the kNN algorithm in face recognition, text recognition, medical image processing has good classification effect in the application prospect of kNN algorithm is expected to.

【作者单位】：南京师范大学计算机科学与技术学院;
【基金】：国家自然科学基金(No.61602250,No.61503188) 江苏省自然科学基金(No.BK20150983,No.BK20150982) 江苏省高校自然科学研究面上项目(No.16KJB520025,No.15KJB470010)
【分类号】：TP391.41
【正文快照】： 1引言在模式识别这个领域中,k最近邻算法(k NN)是一种主要用于分类以及回归的非参数统计方法[1]。k NN算法是所有机器学习算法中最为简单的算法之一,这种基于实例的算法本身非常的简单有效,是一种惰性学习的算法。目前,涌现出了越来越多的改进k NN算法的方法,许多的研究人员对

【相似文献】