基于K近邻的分类算法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-12页 |
| ·选题背景和研究现状 | 第7-8页 |
| ·数据挖掘 | 第7-8页 |
| ·国内外研究现状 | 第8页 |
| ·研究内容和目的 | 第8-10页 |
| ·研究内容 | 第8-10页 |
| ·研究目的 | 第10页 |
| ·组织结构 | 第10-12页 |
| 2 K 近邻分类算法 | 第12-22页 |
| ·分类算法 | 第12-15页 |
| ·数据分类 | 第12-13页 |
| ·分类方法 | 第13-15页 |
| ·基于实例的学习算法 | 第15-16页 |
| ·K 近邻方法 | 第16-19页 |
| ·最近邻分类算法简介 | 第16-18页 |
| ·K 近邻算法实现 | 第18-19页 |
| ·算法分析 | 第19-21页 |
| ·算法的优缺点 | 第19-20页 |
| ·KNN 的改进 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 3 基于KNN 的速度改进算法 | 第22-31页 |
| ·改进算法复杂度的方法 | 第22-23页 |
| ·聚类技术 | 第23-27页 |
| ·聚类定义 | 第23-25页 |
| ·聚类算法的要求 | 第25-26页 |
| ·聚类算法分类 | 第26-27页 |
| ·基于聚类的K 近邻分类算法 | 第27页 |
| ·改进算法 | 第27-30页 |
| ·算法步骤 | 第27-29页 |
| ·实验结果与分析 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 4 基于K 近邻的准确度改进算法 | 第31-36页 |
| ·提高算法准确度的方法 | 第31页 |
| ·FW-KNN 算法 | 第31-32页 |
| ·新的赋权值计算方法 | 第32-35页 |
| ·方法步骤 | 第32页 |
| ·实例验证 | 第32-34页 |
| ·实验结果分析 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 5 结论与展望 | 第36-37页 |
| ·主要结论 | 第36页 |
| ·研究工作展望 | 第36-37页 |
| 致谢 | 第37-38页 |
| 参考文献 | 第38-42页 |
| 附录 作者在攻读硕士学位期间发表的论文目录 | 第42页 |
