论文部分内容阅读
针对传统K—NN算法易受单个属性干扰和时间效率较低的问题，提出了利用信息增益和可拓关联度对其进行改进。通过计算属性的信息增益来确定属性的权重系数，根据权重系数将属性划分为关键属性、次要属性和无关属性，在计算欧氏距离时引入权重系数，使各个属性的作用受其重要性的约束，有效地提高了K—NN算法的抗干扰能力和精确性。将属性空间划分为若干个子空间，利用可拓关联度将待测样本映射到某个子空间中，由这个子空间组成搜索空间，减少计算量，提高时间效率；测试结果表明，改进后的算法可行有效。