基于粒子群优化的快速knn分类算法内容摘要：
法 文档分类的训练样本集规模很大 KNN方法穷尽搜索整个样本空间的代价很大 粒子群算法群体的随机搜索能力，群体利用与其 k个随机样本距离最近的粒子信息指导种群粒子的移动，在很小的搜索空间内快速获得 k个近邻样本。 输入：文档集合文档总数 N，近邻个数 k，粒子群种群个数 Q，误差阈值 ε。 (1) 生成测试文档的文档特征向量 w； (2) 用随机函数在区间 [1,N]内为 Q个粒子各选择出 k个整数（对应文档集合的文档序号）作为每个粒子的初始 k个近邻位置，粒子群的初始速度为 0； (3) 计算 w的 k个最优近邻有序集合作为粒子群的全局最优位置，各粒子的位置先作为其局部最优位置。 (4) 置 n=n+1，计算每个粒子的移动速度 (即其 k个近邻的序号偏移量 ) (5) 从种群移动历史中选择 w的 k个最优近邻有序集合作为全局指导， If ，则 ；从粒子 j的移动历史中。阅读剩余 0%
本站所有文章资讯、展示的图片素材等内容均为注册用户上传(部分报媒/平媒内容转载自网络合作媒体)，仅供学习参考。
用户通过本站上传、发布的任何内容的知识产权归属用户或原始著作权人所有。如有侵犯您的版权，请联系我们反馈本站将在三个工作日内改正。