文献类型：期刊文章

作　　者：孙岩[1] 吕世聘[2] 王秀坤[2] 唐一源[3]

机构地区：[1]辽宁师范大学计算机与信息技术学院,大连116029 [2]大连理工大学计算机科学与工程系,大连116023 [3]大连理工大学神经信息学研究所,大连116023

出　　处：《计算机科学》

基　　金：国家自然基金项目(60472017;30670699)资助课题

年　　份：2007

卷　　号：34

期　　号：12

起止页码：184-186

语　　种：中文

收录情况：BDHX、BDHX2004、CSA、CSCD、CSCD2011_2012、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

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

分 类 号：TP393]