论文部分内容阅读
k-最临近(k-NN)分类方法在计算两训练样本的相异度时给每一属性加相同的权，这样会造成分类的；隹确性下降，尤其当存在很多无关属性时，甚至会造成混乱。针对这一弱点该文提出了一种用每一属性的信息增益作为该属性的权来计算训练样本间的相异度的数学模型，并将这一模型应用于k-最临近分类方法，改善了该方法的分类质量。