分層抽樣的K近鄰分類加速算法
大小：3.04 MB 人氣： 2018-02-27 需要積分：2
標簽：分層(11576)
k近鄰（k nearest neighbor，kNN）分類作為數(shù)據(jù)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(guī)模數(shù)據(jù)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(shù)相等的區(qū)域，然后從每個區(qū)域內(nèi)抽取實例，最后判定待識別實例落入劃分區(qū)域中的哪一個，并從此區(qū)域以及相鄰區(qū)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%
下載地址
分層抽樣的K近鄰分類加速算法下載
相關電子資料下載
- MCU項目實現(xiàn)應用與硬件分層管理的關鍵步驟 181
- 簡述存儲器的層次結構及其分層原因 1275
- 計算機網(wǎng)絡為什么要分層次 1304
- 密鑰分層管理體制 400
- 聊聊嵌入式軟件分層 406
- 多層印制板設計基礎及PCB板的堆疊與分層 219
- 年少不知過孔好，分層起泡好煩惱 5186
- 在SaberRD中實現(xiàn)對分層符號屬性值的數(shù)據(jù)限制 305
- 使用PCB的分層和堆疊的正確方法 276
- 反無人機：創(chuàng)新技術和分層方法將成為更有效的解決方案 395