[精品]数据挖掘期末论文.doc

[精品]数据挖掘期末论文.docKNN分类算法的研究吴雪莲1•浙江大学宁波理工学院,宁波315000E-mai1:AndreMouche@摘要:KNN算法是应用最广泛的分类技术之一。本文简要介绍了KNN算法的基本原理,重点介绍了KNN算法中K值,投票函数对分类的影响,并研究各个属性对分类的贡献。文章最后提出一种改进的KNN算法,该算法综合考虑KNN算法中各个参数对分类的影响,建立的分类模型相比于原有的算法对噪声的敏感度降低,准确率也相对较高。此外,自编程序实现了以上分析实验中用到的算法,并给出了相关实验结果。关键词:KNN,K,投票函数,改进,分类。ResearchonK-nearestNeighborAlgorithminClassificationWuXuelianNingboInstituteOfTechnology,ZhejiangUniversity,ningbo315000E-mail:******@Abstract:K-NearestNeighborAlgorithmisoneofthemostwidelyusedclassificationtechnologies・ThisarticleintroducedthefundamentaltheoryofKNNalgorithmbriefly,andfocusedontheintroductionoftheinfluencewhichmaycausedbytheparameterK,voteapproaches,also,,・Keywords:KNN,K,voteapproach,improved,classification1•引言数据挖掘是指从数据库11•发现隐含的、新颖的、对决策有潜在价值的知识和规则的过程,己经在许多领域得到了广泛的应用。分类是数据挖掘屮的核心和基础技术2—,它的目标是从数据集屮提取出能够描述和区分数据类或概念的模型(或函数),并利用这些模型预测类标号未知的对象类。分类在商业经营、政府决策管理、科学研究和工业企业决策支持等多个领域都有广泛的应用。目前主要的分类技术包括决策树归纳、贝叶斯分类、KNN分类、人工神经网络等。在这些方法中,KNN分类是一种简单、有效、非参数的方法,现已广泛应用于文木分类、模式识别、图像及空间分类等领域。但KNN算法存在计算开销大、运行速度慢等缺点,为此很多研究人员对传统的KNN最近邻分类提出了改进。木文针对KNN算法的不足所做的各种改进进行论述的动态分类识别检索•最后,・1