特征联合熵的一种改进k近邻分类算法

？特征参数分类泛化性差及分类计算量大影响着k近邻(knn)的分类性能。提出了一种降维条件下基于联合熵的改进knn算法，其具体思路是，通过计算任意两个条件属性下对应的特征参数的联合熵衡量数据特征针对分类影响程度的大小，建立特征分类特性与具体分类过程的内在联系，并给出根据特征联合熵集约简条件属性的方法。理论分析与仿真实验表明，与经典knn等算法相比，提出的算法具有更高的分类性能。