基于局部均值的K-近鄰分類研究

1.2萬字 35頁 原創(chuàng)作品，已通過查重系統(tǒng)


摘要 在模式識別和數(shù)據(jù)挖掘領(lǐng)域里，K-近鄰算法具有直觀、無需先驗統(tǒng)計知識、無師學(xué)習(xí)的特點，使得其成為一個熱門應(yīng)用識別技術(shù)。而模式識別顧名思義就是對未知的事物，進行學(xué)習(xí)認知的一個過程。模式識別可以說是人類的一項基本智能，人類的識別能力能夠使得人們可以很好的在時間和空間中觀察事物，認知和感受它們的存在與區(qū)別，并與之交流?，F(xiàn)代科技允許計算機也具有類似的識別能力，幫助人類進行大規(guī)模的數(shù)據(jù)挖掘工作，以此找尋信息背后的巨大的價值。K-近鄰算法作為一個流行并且健壯的識別方法，已成為熱點研究的課題之一。但由于離群樣本的存在，以及大量數(shù)據(jù)的距離運算，致使其性能受到嚴重影響。
因此，本文主要研究K-近鄰算法的一個變形，基于局部均值的K-近鄰(Local Mean-based K-Nearest Neighbor Classifier，LMKNN)，首先闡述了相關(guān)的背景現(xiàn)狀，以及研究的內(nèi)容概要。接著簡要地介紹K-近鄰分類的相關(guān)知識。而后具體的討論了LMKNN存在的原因，并且比較它與傳統(tǒng)K-近鄰算法的存在的差別和取得的進步。接著對其進行理論分析，簡要地指出了LMKNN算法取得的進步和存在的不足。最后，利用MATLAB開發(fā)工具對LMKNN算法進行具體設(shè)計。


關(guān)鍵詞：模式識別；數(shù)據(jù)挖掘；LMKNN；K-近鄰算法；MATLAB;