一种高效的KNN训练集压缩算法  

An Efficient Training Data Reduction on KNN Algorithm

作　　者：赵深淼[1] 张晓琴[2] 

机构地区：[1]山西大同大学数学与计算机科学学院,山西大同037009 [2]山西大学数学科学学院,山西太原030006

出　　处：《山西大学学报（自然科学版）》2015年第4期638-643,共6页Journal of Shanxi University(Natural Science Edition)

基　　金：国家青年基金(41101440);山西省教育厅专项(20120301)

摘　　要：针对快速的压缩近邻算法(FCNN)的压缩率相对较高以及对噪声较为敏感的缺陷,提出了编辑的FCNN(EFCNN)算法,EFCNN不仅保证了与数据的读取顺序无关的特点,而且利用原文中所使用的UCI数据集验证了EFCNN算法具有压缩率低且准确率保持相对不变的优势。A new method named edited FCNN（EFCNN）is introduced based on the defect of fast nearest neighbor condensation（FCNN）algorithm which is sensitive to noise with high compression ratio and EFCNN algorithm does not only guarantee the independence on the sequence of reading the data,but also verifies the superiority of lower compression ratio and relatively invariant accuracy compared with FCNN using the UCI datasets in the original paper.

关 键 词：近邻 正确率 压缩率 子集 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]