基于局部均值的k-近邻分类研究.doc

基于局部均值的K-近邻分类研究

1.2万字 35页 原创作品，已通过查重系统


摘要 在模式识别和数据挖掘领域里，K-近邻算法具有直观、无需先验统计知识、无师学习的特点，使得其成为一个热门应用识别技术。而模式识别顾名思义就是对未知的事物，进行学习认知的一个过程。模式识别可以说是人类的一项基本智能，人类的识别能力能够使得人们可以很好的在时间和空间中观察事物，认知和感受它们的存在与区别，并与之交流。现代科技允许计算机也具有类似的识别能力，帮助人类进行大规模的数据挖掘工作，以此找寻信息背后的巨大的价值。K-近邻算法作为一个流行并且健壮的识别方法，已成为热点研究的课题之一。但由于离群样本的存在，以及大量数据的距离运算，致使其性能受到严重影响。
因此，本文主要研究K-近邻算法的一个变形，基于局部均值的K-近邻(Local Mean-based K-Nearest Neighbor Classifier，LMKNN)，首先阐述了相关的背景现状，以及研究的内容概要。接着简要地介绍K-近邻分类的相关知识。而后具体的讨论了LMKNN存在的原因，并且比较它与传统K-近邻算法的存在的差别和取得的进步。接着对其进行理论分析，简要地指出了LMKNN算法取得的进步和存在的不足。最后，利用MATLAB开发工具对LMKNN算法进行具体设计。


关键词：模式识别；数据挖掘；LMKNN；K-近邻算法；MATLAB;