基于可拓距离的K近邻算法  

K Nearest Neighbor Algorithm Based on Extension Distance

作　　者：向长城[1] 

机构地区：[1]湖北民族学院理学院,湖北恩施445000

出　　处：《湖北民族学院学报（自然科学版）》2010年第1期37-40,共4页Journal of Hubei Minzu University(Natural Science Edition)

基　　金：湖北省教育厅优秀中青年基金项目(Q20092907);湖北省自然科学基金项目(2009CDB340);湖北民族学院博士启动基金项目;湖北民族学院青年基金项目

摘　　要：距离机制是K近邻算法的关键部分,传统的方法是采用欧式距离来讨论各个属性取值的差异,而对于同一属性取值的差异就显得很简单.采用可拓学来定量描述事物属性的关联函数的性质,构造可拓距离应用到K近邻算法中,设计出可拓K近邻算法.为了验证算法的可行性和准确率,分别应用到二维数据的故障诊断和标准数据集的聚类分析中,实验证明该算法是可行和有效的.Distance mechanism is the key part of the K nearest neighbor（KNN）.The traditional method discusses the attribute difference by Euclidean distance,but it is simple to the difference of the same attribute.Extension can describe the attribute by quality and quantity at the same time.Constructing the extensions distance is applied in the KNN by the conjunction function and the extension K nearest neighbor（EKNN） is designed.Finally,the fault diagnosis of 2-dimensional data and the clustering of the standard date are verificated by the EKNN,and the results show that the EKNN is very effective.

关 键 词：可拓距离 可拓K-邻近算法 聚类 故障诊断 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]