文件名称：大数据下的快速KNN分类算法
文件大小：1.26MB
文件格式：PDF
更新时间：2022-08-11 11:34:56
K最近邻,测试复杂度,大数据,分块,聚类中心
针对K最近邻算法测试复杂度至少为线性，导致其在大数据样本情况下的效率很低的问题，提出了一种应用于大数据下的快速KNN分类算法。该算法创新性地在K最近邻算法中引入训练过程，即通过线性复杂度聚类方法对大数据样本进行分块，然后在测试过程中找出与待测样本距离最近的块，并将其作为新的训练样本进行K最近邻分类。这样的过程大幅度地减少了K最近邻算法的测试开销，使其能在大数据集中得以应用。实验表明，该算法在与经典KNN分类准确率保持近似的情况下，分类的速度明显快于经典KNN算法。