基于局部密度和纯度的自适应k近邻算法
目的：对K最近邻(K-Nearest Neighbor,KNN)算法中k值的选取通常是人为设定,而且通常是固定的缺点,研究如何更好地选取k值.方法：引入k的可信度的概念,提出一种基于局部密度和纯度的自适应选取k值的方法,并将其引入到传统的KNN分类算法中.结果：该算法合理的考虑了样本的局部密度、纯度与选取k值的关系,不仅解决了k值的选取问题,并且避免了固定k值对分类的影响.结论：该算法是有效的,可以得到较高的准确率,但算法的时效性有待提高.
K最近邻算法 k值选取 可信度 局部密度 纯度
张兵 蒙祖强 沈亮亮 李虹利
广西大学计算机与电子信息学院,广西南宁530004
国内会议
南宁
中文
19-24
2016-11-26（万方平台首次上网日期，不代表论文的发表时间）