基于SVM的局部加权KNN分类算法的研究
| 摘要 | 第2-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-19页 |
| 1.1 研究背景与意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.3 主要研究内容 | 第15-16页 |
| 1.4 研究目的 | 第16-17页 |
| 1.5 论文组织结构 | 第17-19页 |
| 2. 数据挖掘算法与KNN算法介绍 | 第19-35页 |
| 2.1 主要的数据挖掘分类算法 | 第20-30页 |
| 2.1.1 贝叶斯分类算法 | 第20-22页 |
| 2.1.2 神经网络 | 第22-25页 |
| 2.1.3 SVM方法 | 第25-28页 |
| 2.1.4 随机森林 | 第28-30页 |
| 2.2 KNN分类算法 | 第30-34页 |
| 2.2.1 优化样本之间的相似性度量 | 第32-33页 |
| 2.2.2 提高分类的速度 | 第33-34页 |
| 2.3 本章小结 | 第34-35页 |
| 3. 局部加权L-KNN分类算法 | 第35-44页 |
| 3.1 提出问题 | 第35页 |
| 3.2 问题定义 | 第35-36页 |
| 3.3 算法分析 | 第36-39页 |
| 3.4 实验验证 | 第39-43页 |
| 3.4.1 分类方法介绍 | 第39-40页 |
| 3.4.2 数据集介绍 | 第40-41页 |
| 3.4.3 在UCI数据集上实验分析 | 第41页 |
| 3.4.4 在人工数据集上的实验分析 | 第41-43页 |
| 3.5 本章小结 | 第43-44页 |
| 4 基于SVM的局部加权KNN分类算法 | 第44-54页 |
| 4.1 提出问题 | 第44页 |
| 4.2 SLKNN算法 | 第44-47页 |
| 4.2.1 权重计算 | 第45页 |
| 4.2.2 基于SVM的局部加权KNN算法 | 第45-47页 |
| 4.3 实验验证 | 第47-52页 |
| 4.3.1 在UCI数据集上的实验分析 | 第47-49页 |
| 4.3.2 在人工数据集上的实验分析 | 第49-52页 |
| 4.4 本章小结 | 第52-54页 |
| 5 结论与展望 | 第54-56页 |
| 5.1 主要结论 | 第54-55页 |
| 5.2 研究工作展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 附录1 攻读硕士学位期间学术成果 | 第60页 |
| 附录2 攻读硕士学位期间参与的项目 | 第60-61页 |
