非独立同分布KNN分类算法研究
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.2.1 提高算法效率 | 第12-13页 |
| 1.2.2 提高算法准确率 | 第13-14页 |
| 1.3 论文主要工作 | 第14页 |
| 1.4 论文组织结构 | 第14-17页 |
| 第2章 KNN分类算法 | 第17-33页 |
| 2.1 分类挖掘 | 第17-22页 |
| 2.1.1 相关概念 | 第17-19页 |
| 2.1.2 常用分类算法 | 第19-22页 |
| 2.2 KNN分类算法 | 第22-27页 |
| 2.2.1 最近邻规则 | 第23-24页 |
| 2.2.2 算法步骤 | 第24-26页 |
| 2.2.3 算法分析 | 第26-27页 |
| 2.3 相关研究 | 第27-33页 |
| 第3章 非独立同分布学习 | 第33-41页 |
| 3.1 引言 | 第33-34页 |
| 3.2 非独立同分布理论学习 | 第34-38页 |
| 3.2.1 非独立同分布层次 | 第35-37页 |
| 3.2.2 非独立同分布KNN分类算法 | 第37-38页 |
| 3.3 相关研究 | 第38-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第4章 改进的类别决策KNN算法 | 第41-51页 |
| 4.1 KNN传统决策规则 | 第41-42页 |
| 4.2 改进的类别决策KNN算法 | 第42-46页 |
| 4.2.1 近邻支持度 | 第42-43页 |
| 4.2.2 类可信度 | 第43-44页 |
| 4.2.3 ND_KNN算法 | 第44-46页 |
| 4.3 实验结果与分析 | 第46-49页 |
| 4.3.1 实验数据 | 第46-47页 |
| 4.3.2 实验分析 | 第47-49页 |
| 4.4 本章小结 | 第49-51页 |
| 第5章 非独立同分布KNN算法研究 | 第51-63页 |
| 5.1 相似度度量 | 第51-55页 |
| 5.1.1 传统相似性度量 | 第51-53页 |
| 5.1.2 相似性度量相关研究 | 第53-55页 |
| 5.2 非独立同分布KNN算法 | 第55-59页 |
| 5.2.1 独立同分布局限性 | 第55-56页 |
| 5.2.2 关联相似性 | 第56-58页 |
| 5.2.3 CS_KNN算法流程 | 第58-59页 |
| 5.3 实验结果与分析 | 第59-62页 |
| 5.3.1 实验数据 | 第59-60页 |
| 5.3.2 实验分析 | 第60-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 6.1 论文总结 | 第63页 |
| 6.2 未来展望 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71-73页 |
| 在学校期间主要科研成果 | 第73页 |
| 一、发表学术论文 | 第73页 |
| 二、其他科研成果 | 第73页 |
