最近邻分类方法的研究

研究最近邻分类方法,应用S近邻技术的思想建立分类模型,设计一个新的S近邻(shelly nearest neighbor,SNN)分类算法,克服了k近邻(knearest neighbor,kNN)分类算法在最近邻选择上可能存在偏好的问题。通过对传统的k近邻和新构造的S近邻分类算法的思想、关键技术等方面的分析,以及在UCI真实数据集实验上分类准确率的比较,概括出算法适宜的环境条件,并分析可能的原因。最后,总结得出SNN分类算法对距离度量不敏感,且在大数据集上具有更好分类效果的结论。