论文部分内容阅读
针对标准K-近邻分类方法（K-Nearest Neighbor，KNN）在新样本类别预测过程中需要计算新样本与所有已标记样本距离而导致分类效率低，不能有效处理大规模数据分类的问题，本文提出一种基于数据块混合度量的加速K-近邻分类（KNN Method Based on Data Block Mixed Measurement，KNN_DBM2）方法。该方法将数据块的混合度量引入K-NN的预测类别过程，首先将已标记的数据划分为不同的数据块，计算每个数据块的中心及数据块的混合度，当待测样本进入时，计算待测样本