基于k-近质心近邻分类的研究与实现.doc

摘要 模式分类是指对表征事物或现象的各种形式的信息进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的过程。其目的就是对未知的样本，判断它所在的类别。其关键在于如何找到一个行之有效的分类识别算法，以提高模式识别率。

KNN作为一种广为人知的经典分类算法，广泛应用于字符识别、人脸识别等方面。但KNN也有很多不足的地方面，对于KNN 的改进一直是学者们研究的热点，目前已经有很多的改进方法。本文主要研究的是K-近质心近邻分类方法，一种基于K-近邻算法，并结合近质心原则而衍生出的算法，它改善了KNN分类算法的分类性能。运用K-近质心近邻(K-Nearest Centroid Neighbor)算法[2]对数据进行分类，并对分类结果进行比较研究，