计算机科学 ›› 2007, Vol. 34 ›› Issue (12): 184-186.
• • 上一篇 下一篇
出版日期:
发布日期:
基金资助:
Online:
Published:
摘要： KNN（K-Nearest Neighbor）算法和贝叶斯网络分类算法（Bayesian Network，BN）都是目前应用非常广泛的分类算法。本文首先分析了KNN和BN的分类特点，然后在保留了两个算法在分类问题中优点的基础上，提出了基于贝叶斯网络结构学习的KNN算法（BN—KNN）。实验结果表明，BN—KNN算法能够有效地提高分类的正确率。
关键词: 贝叶斯网络 K-近邻算法 距离加权
Abstract: K-Nearest Neighbor algorithm（KNN） and Bayesian network classification algorithrn（BN） are currently widely used classification algorithms. At first, this paper analyzes the KNN and BN classified features, and then retains the merits of two classification a
Key words: Bayesian network, K-nearest neighbor algorithm, Distance-weighted
. 基于结构学习的KNN分类算法[J]. 计算机科学, 2007, 34(12): 184-186. https://doi.org/
0 / / 推荐
导出引用管理器 EndNote|Reference Manager|ProCite|BibTeX|RefWorks
链接本文: https://www.jsjkx.com/CN/
https://www.jsjkx.com/CN/Y2007/V34/I12/184
Cited
首页