融合一维元胞自动机的KNN分类算法  

作　　者：黄嘉诚 

机构地区：[1]江南大学,江苏无锡214122

出　　处：《电大理工》2023年第1期28-33,共6页Study of Science and Engineering at RTVU.

摘　　要：KNN算法在文本数据分类上快速且有效,但存在k值选择困难的局限。在KNN算法的基础上,以欧几里得距离进行升序排列,对测试样本一定邻域内的训练数据进行一维元胞自动机演化,最终得到趋于稳定的测量结果。分别在不同特征数量、不同类别的6种数据集上进行测试,针对大部分情况,在设置了合理的元胞邻域以及演化规则后,分类结果的稳定性以及最高准确度均有不同程度的提升,且能在k值较小时获得最低的误分率。最终将该算法运用到实际声音分类中,准确度较高。

关 键 词：元胞自动机 K近邻 分类 数据集 转化规则 

分 类 号：TP301.6[自动化与计算机技术—计算机系统结构]