共查询到20条相似文献,搜索用时 15 毫秒
1.
提出了一种对商品不同特征值缩放的方法,改进了KNN价格预测模型,并对改进后的预测结果做了研究分析。分析得出:对基于KNN算法的价格预测模型的改进是有效的,提高了预测准确度。 相似文献
3.
应用于中文文本分类的改进KNN算法 总被引:1,自引:0,他引:1
本文介绍了文本分类的基本流程及涉及到的相关技术,详细介绍了传统KNN方法并分析了它存在的不足之处,在此基础上提出了一种改进的KNN方法,该方法在相似度计算上进行了改进,通过实验证明了改进的KNN方法在宏召回率、宏准确率、宏F1值以及微F1上都有所提高。 相似文献
4.
5.
6.
7.
8.
《科技通报》2015,(8)
对大数据的分层建树聚类,提高对大数据的检测和大数据应用系统的故障分析能力。传统方法中对大数据的分层聚类采用K-Means聚类算法,容易陷入局部收敛,聚类效果不好。提出一种基于核向量机的数据的分层建树聚类。采用四叉树算法对多维数据进行数据预处理,进行KNN中心区域的聚类中心扩展处理,针对大数据的类域交叉性进行了一次核向量机差分比较,得到KNN模糊划分矩阵,根据所属类别的不同对已知样本进行分层,得到一维差分分层建树模型和二维差分分层建树模型,计算数据核向量之间的相似度特征,实现矩阵的数据点数模糊集合贴近度填充,实现聚类算法改进。仿真结果表明,该算法具有优越的大数据聚类性能,收敛性好,应用到网络在线故障诊断中,实现对故障信号的和恢复跟踪,提高了故障诊断效益,展示了较好的应用价值。 相似文献
10.
针对基本花朵授粉算法(FPA)在寻优过程中局部搜索能力弱,收敛速度慢,收敛精度不高等缺陷,提出了一种改进的自适应并行花朵授粉算法。该算法首先将并行机制引入到花朵授粉算法中,以此改善单一种群在计算中后期多样性不足的缺陷。其次采用了非线性的算法行为转换概率P及增加了非线性的莱维飞行步长比例因子,前者使算法能够根据进化时期动态地控制全局授粉和局部授粉行为;而后者使算法能够根据进化状况自适应地调节花粉个体在解空间的跳跃步长。两者相互协调,加强了算法的搜索能力及摆脱局部最优的能力。最后提出了基于拉马克优良个体交叉式学习机制,将花粉个体中的优良基因遗传到下一代个体中,进一步加强了算法的寻优能力。对测试函数的优化结果分析表明,与其他几种算法相比,该算法在全局寻优的最优解和收敛速度等方面都有了较大的改进和提高。 相似文献
11.
排序是最基础的算法之一,它应用极为广泛,应用于各个领域,不仅是数据库的核心技术,它本身也有广泛的应用场合。我们采用了分块排序、并归执行的算法,这样通过并发多个进程进行排序,通过对进程的同步的控制,合理的在内存中分配读进程和写进程,减少cpu与硬件的冲突,提高了效率。 相似文献
12.
13.
本文首先讨论两种成长曲线的算法,然后给出用BASIC语言编制的计算机程序。一、数学模型1.定上限成长曲线其中: L:预测对象的发展极限(事先确定); a、b:预测模型的待定参数; t:预测时选择的时间变量。2.S曲线 相似文献
14.
为了克服传统分簇路由协议中无法有效缓解"热区"和数据传输可靠性不高的问题,设计一种基于并行SOM和自适应禁忌优化算法的负载均衡路由协议。首先,将整个网络区域分为若干子区域,在每个子区域中自适应的根据节点与基站的距离确定分簇数目,采用并行SOM并行对网络区域进行分簇,同时根据能量和位置因素选举簇头;然后,以最小化各簇头到基站的最小跳数为目标,采用改进的禁忌优化算法来寻找各簇头到达基站的最优解和次优解,构成多条冗余路由,以增强数据传输的可靠性,最后,对基于改进禁忌优化算法的最小跳数路由协议进行了设计和描述。仿真实验表明:文中方法能有效地提高网络生命周期和提高数据传输的可靠性,具有很好的负载均衡能力,是一种适用于WSN的有效分簇路由算法。 相似文献
15.
16.
基于Android的室内WIFI指纹定位系统及KNN定位算法的设计 总被引:1,自引:0,他引:1
在室内拥有固定的WIFI信号源的基础上,通过离线阶段采集WIFI信号,结合自定义的信号特征向量模型,建立可用于室内在线定位的WIFI指纹数据库;在线定位过程需要实时扫描WIFI信号上传到云服务器,在云服务端使用KNN(K最近邻)算法将实时的WIFI信号数据和指纹数据库中的数据进行匹配计算,通过信号的特征向量匹配计算,得到特征向量相似度的值,从而得到相应的位置坐标,服务器将位置坐标返回给客户端,完成一次室内定位过程。通过实验分析定位过程的数据,可以测量出定位的大概精度,得到较好的定位效果。 相似文献
17.
本文简述了字符串匹配算法的研究进展,分析了BF算法以及PRAM-CREW算法,并对该并行算法进行了改进,减少了处理器个数,使匹配次数大大减少,从而提高匹配效率。文章最后分析了该算法的性能。 相似文献
18.
19.
在研究传统挖掘频繁项集并行算法的基础上,提出一种以FP-forest为基础的高效能并行挖掘算法FPPMA(FP-forest based high-effect Parallel Mining Algorithm)。此算法中,各运算节点只需要和核心节点之间传递少量信息,而无需和其他运算节点通信,减少了通信费用。此外,运算节点不需要同步和交换数据就可独立挖掘出全局频繁项集。 相似文献