基于PSO 面向K近邻分类的特征权重学习算法.pdf

用于预测的k近邻方法，可以选择多种距离指标。和最近邻的维度

KNN文本分类中特征词权重算法的研究 机器学习

机器学习算法系列1K近邻 K近邻算法 K近邻算法简单直观先给出张图根据这张图来理解最近邻分类器 根据上图所示有两类不同的样本数据分别蓝的正形和红的三形表示图正 中间的那个绿的圆所标示的数据则是待分类的

摘要:聚类研究在数据挖掘研究领域中占有十分重要的地位.虽然目前已有很多数据聚类算法,但精度仍不够理想.文中提出一个基于结构化相似度的网络聚类算法(SSNCA),试图从网络聚类角度进一步提高数据聚类精度

基于路由机制的时变路网k近邻算法

这个是K近邻的改进算法，不仅适合于两类的分类也适合多类，同时这个算法解决了，当K的取值可能会从在多个类别距离相等的问题，K的取值随便取。算法非常全面完整

针对邻域信息系统的特征选择模型存在人为设定邻域参数值的问题。分别计算样本与最近同类样本和最近异类样本的距离，用于定义样本的最近邻以确定信息粒子的大小。将最近邻的概念扩展到信息理论，提出最近邻互信息。在

基于SVM的文本分类系统中特征选择与权重计算算法的研究.pdf

伪装入侵检测面临的主要问题是如何利用相对不够充分的训练数据来尽可能精确地描述用户的正常行为轮廓,并利用该行为轮廓进行检测.本文提出了一种基于K最近邻(k-Nearest Neighbor,KNN)文本

经典模糊C均值聚类算法（FCM）基于欧氏距离，存在不同规模类簇不能正确聚类问题，针对此问题提出一种基于[K]近邻隶属度的模糊C均值聚类算法（KNN_FCM）。讨论了基于[K]近邻隶属度的粗糙C均值聚类