提出了一种有效的k近邻分类文本分类算法，即SPSOKNN算法，该算法利用粒子群优化方法的随机搜索能力在训练集中随机搜索.在搜索k近邻的过程中，粒子群跳跃式移动，掠过大量不可能成为k近邻的文档向量，并且去除了粒子群进化过程中粒子速度的影响，从而可以更快速地找到测试样本的k个近邻.通过验证算法的有效性表明，在查找k近邻相同时，SPOSKNN算法的分类精度高于基本KNN算法。

基于python的手写数字识别（KNN算法）-附件资源

MapReduce-KNN Hadoop MapReduce的K最近邻居实现 这是一个旨在与MapReduce框架一起使用的Java程序。 在此示例中，将K最近邻分类方法（有监督的机器学习）应用于有关汽车类型和购买者特征的一些样本数据，以便用可能的汽车模型对购买者进行分类。 用法： hadoop jar KnnPattern.jar KnnPattern /home/mhi/knn/CarOwners.csv / home / mhi / knn / res /home/mhi/knn/KnnParams.txt KnnPattern.jar –包含源代码的jar文件。 KnnPattern –程序中的顶级类，包含Mapper和Reducer类以及main（）方法。 第一个参数：/home/mhi/knn/CarOwners.csv –数据输入文件在HDFS中的位置。 第二个

mnist手写体的识别采用KNN算法，Java实现，60K训练集，10K测试集。代码主要包括读mnist数据集，KNN算法。

KNN算法在鸢尾花数据集的Python实现

Posenet + KNN图像分类器演示 在这里查看： : 相机演示演示了如何创建具有3个类别的自定义分类器，可以使用网络相机对姿势数据进行实时训练。 按住训练按钮，将样本添加到分类器，然后让其预测3个类别中最接近的类别。 设置 cd进入项目文件夹： 安装依赖项并准备构建目录： yarn 要监视文件中的更改并启动开发服务器： yarn watch

优化knn代码matlab ############################################### ################### PROJECT 2: COMP 551 - LANGUAGE CLASSIFICATION author: AMAR KUMAR[amar.kumar@mail.mcgill.ca] LITA FAN [lita.fan@mail.mcgill.ca] DEKLAN CHUNG [deklan.chung@mail.mcgill.ca] ############################################### ################### 文件说明： ***naive bayes.py [语言：python] - 使用朴素贝叶斯算法生成预测。 --> 输入文件： 1）输入文件必须是一个文件“train_set_x_features.csv”，它的所有列都是从训练数据中提取的特征。 该文件可以通过将 Language Classification.py 中的“savefile”变量设

R语言基于mlr框架的KNN算法

基于LDA(fisherface)和KNN的人脸识别 经典的fisherface算法（PCA+LDA)，人脸识别入门 分类器采用KNN matlab实现，内附ORL人脸训练库

主要介绍了Java实现的KNN算法,结合实例形式分析了KNN算法的原理及Java定义与使用KNN算法流程、训练数据相关操作技巧,需要的朋友可以参考下