%0 Journal Article
%T 基于变精度粗糙集的KNN分类改进算法
%A 余鹰
%A 苗夺谦
%A 刘财辉
%A 王磊
%J 模式识别与人工智能
%P 617-623
%D 2012
%X 传统KNN算法具有简单、稳定和高效的特点，在实际领域得到广泛应用。但算法的时间复杂度与样本规模成正比，大规模或高维数据会降低KNN分类效率。文中通过引入变精度粗糙集模型，提出一种改进的KNN分类算法。算法运用变精度粗糙集上下近似概念，将各类训练样本划分为核心和边界区域，分类过程计算新样本与各类的近似程度，获取新样本的归属区域，减小分类代价，增强算法的鲁棒性。实验表明，与传统KNN算法相比，文中算法保持较高的分类精度并有效提高分类效率，具有一定的理论与实际价值。
%K K最近邻(KNN)
%K 变精度粗糙集
%K 上下近似
%U http://manu12.magtech.com.cn/Jweb_prai/CN/abstract/abstract9466.shtml