文献类型：期刊文章

作　　者：谢妙[1] 林泳昌[1] 朱晓姝[1]

XIE Miao;LIN Yongchang;ZHU Xiaoshu(School of Computer Science and Engineering,Yulin Normal University,Yulin 537000,China)

机构地区：[1]玉林师范学院计算机科学与工程学院,广西玉林537000

出　　处：《合肥工业大学学报（自然科学版）》

基　　金：国家自然科学基金资助项目(61762087);广西自然科学基金资助项目(2018JJA170175);大学生创新创业计划资助项目(201810606014)。

年　　份：2021

卷　　号：44

期　　号：11

起止页码：1483-1486

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、JST、MR、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：针对传统k最近邻(k-nearest neighbor,KNN)算法中需要设定k值的问题,文章提出一种基于信息熵的自适应k值KNN二分类算法(adaptive k-value KNN bisecting classification algorithm based on information entropy,EAKNN)。该算法通过引入样本比例定义信息熵,加强小样本的重要性;通过计算小于预设熵阈值的最小信息熵,得到对应的k值和模型分数;在此基础上,结合提出的精度提升模型计算得到模型精度,不断迭代模型精度,直到模型精度最大化。实验结果表明,该算法提升模型精度明显,分类准确率高。

关 键 词：信息熵 样本  分类  K最近邻  自适应k值  

分 类 号：TP391]