[发明专利]一种基于聚类和特征匹配的改进kNN算法在审
| 申请号： | 201811376522.6 | 申请日： | 2018-11-19 |
| 公开（公告）号： | CN109508747A | 公开（公告）日： | 2019-03-22 |
| 发明（设计）人： | 孙善宝;罗清彩;于治楼 | 申请（专利权）人： | 济南浪潮高新科技投资发展有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 济南信达专利事务所有限公司 37100 | 代理人： | 姜明 |
| 地址： | 250100 山东省济南市*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于聚类和特征匹配的改进kNN算法，属于机器学习和数据挖掘技术领域。本发明的基于聚类和特征匹配的改进kNN算法，计算全部已知样本特征Hash值作为标识，生成索引用于快速检索，实现待分类样本的快速匹配分类；确定影响分类结果的主要特征，将样本特征空间进行划分，并通过聚类算法形成已知样本簇，生成Hash作为样本簇特征，计算待分类样本的特征Hash值，完成特征匹配以缩小近邻样本范围，减少计算已知样本与待分类样本间距离的计算。该发明的基于聚类和特征匹配的改进kNN算法能够提升执行效率和准确性，具有很好的推广应用价值。 | ||
| 搜索关键词： | 特征匹配 聚类 样本 分类样本 样本特征 改进 数据挖掘技术 机器学习 聚类算法 快速检索 快速匹配 影响分类 索引 分类 | ||
【主权项】：
1.一种基于聚类和特征匹配的改进kNN算法，其特征在于：计算全部已知样本特征Hash值作为标识，生成索引用于快速检索，实现待分类样本的快速匹配分类；确定影响分类结果的主要特征，将样本特征空间进行划分，并通过聚类算法形成已知样本簇，生成Hash作为样本簇特征，计算待分类样本的特征Hash值，完成特征匹配以缩小近邻样本范围，减少计算已知样本与待分类样本间距离的计算。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于济南浪潮高新科技投资发展有限公司，未经济南浪潮高新科技投资发展有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811376522.6/，转载请声明来源钻瓜专利网。
- 上一篇：基于卷积神经网络的脉冲星候选体识别方法
- 下一篇：一种聚类方法及装置
