基于粒子群優(yōu)化的快速knn分類算法(編輯修改稿)
2024-11-22 18:02 本頁面
【文章內容簡介】 法 ? 文檔分類的訓練樣本集規(guī)模很大 ? KNN方法窮盡搜索整個樣本空間的代價很大 ? 粒子群算法群體的隨機搜索能力，群體利用與其 k個隨機樣本距離最近的粒子信息指導種群粒子的移動，在很小的搜索空間內快速獲得 k個近鄰樣本。 ? 輸入：文檔集合文檔總數(shù) N，近鄰個數(shù) k，粒子群種群個數(shù) Q，誤差閾值 ε。 ? (1) 生成測試文檔的文檔特征向量 w； ? (2) 用隨機函數(shù)在區(qū)間 [1,N]內為 Q個粒子各選擇出 k個整數(shù)（對應文檔集合的文檔序號）作為每個粒子的初始 k個近鄰位置，粒子群的初始速度為 0； ? (3) 計算 w的 k個最優(yōu)近鄰有序集合作為粒子群的全局最優(yōu)位置，各粒子的位置先作為其局部最優(yōu)位置。 ? (4) 置 n=n+1，計算每個粒子的移動速度 (即其 k個近鄰的序號偏移量 ) ? ? (5) 從種群移動歷史中選擇 w的 k個最優(yōu)近鄰有序集合作為全局指導， ? If ，則 ；從粒子 j的移動歷史中
教學課件相關推薦
鄂ICP備17016276號-1