济南大学学报(自然科学版)

作者：黄文秀,唐超尘,神显豪,周术诚

基金：国家自然科学基金项目(61741303);; 广西重点研发计划项目(2017AC05027);; 广西自然科学基金项目(2018GXNSFAA294061);; 广西嵌入式技术与智能系统重点实验室项目(2017-2-5);; 福建省中青年教师教育科研项目(JT180867);; 福建省本科高校教育教学改革研究项目(FBJG20190171)

为了提高数据挖掘的效率与准确性,将k最邻近算法与样本均衡策略相结合,在海量数据挖掘中进行应用;首先对样本集文本进行分析,找出样本领域的密集分布区域,对样本密集区域进行有效裁剪优化,实现样本分布均衡,然后对经过样本均衡处理的数据样本执行传统k最邻近算法,根据权重获得分类结果,最后对不同k值的k最邻近算法进行实例仿真。结果表明,在相同的数据样本环境中,相比于其他分类算法,采用改进的k最邻近算法的分类准确度和分类效率更高。

来源：2021年第01期

《济南大学学报(自然科学版)》期刊编辑部

查看济南大学学报(自然科学版)杂志2021年第01期