在大数据环境下，K近邻多标签算法（ML-KNN）高时间复杂度的问题显得尤为突出；此外，ML-KNN也没有考虑k个近邻对最终分类结果的影响。针对上述问题进行研究，首先将训练集进行聚类，再为测试集找到一个距离其最近的训练数据簇作为新的训练数据集；然后计算最近邻样本的距离权重，并用该权重描述最近邻和其他近邻对预测结果的影响；最后使用新的目标函数为待测样本分类。通过在图片、Web页面文本数据等数据集上的实验表明，所提算法得到了更好的分类结果，并且大大降低了时间复杂度。
2022-05-30 13:58:45
1.05MB
1
利用OpenCV中的KNN聚类方法来实现手写数字识别，可实时在创建的窗口画板上书写数字并进行识别。内含训练用的手写数字数据，如果缺失dll文件可以下载我的另一个资源“install文件”，其中包含了联合openVINO和CUDA编译的OpenCV4.2.0版本的各个模块和dll。
2021-11-06 00:12:25
28.09MB
1
birch，Kmeans，Kmeans++，KNN四种聚类算法对同一个二维坐标数据集进行聚类分析，python代码
2019-12-21 22:21:38
4KB
1