典型文献
一种用于电类实验测量数据判决的改进KNN算法
文献摘要：
电类实验教学过程中人工评判学生所测数据工作烦琐,影响了教学质量和效率.该文提出了改进的K近邻(K-nearest neighbors,KNN)分类算法,即基于均值漂移、安全间隔和核主成分分析(KPCA)的M-KPCA-KNN(KNN based on margin and KPCA)算法,以判断学生测量数据正确与否和错误原因.首先利用KPCA对高维实验数据进行降维,然后利用均值漂移向量找到不同类别数据的最密集位置,并在不同类别数据的边界设置安全间隔,最后,将与待测样本距离最近的k个数据设置权重,计算每个类别的权重和,权重和最大的类别为待测样本的类别.与现有的KNN算法相比,M-KPCA-KNN算法不仅提高了分类正确率,而且降低了时间复杂度.
文献关键词：
改进KNN;实验教学;均值漂移;安全间隔;核主成分分析
中图分类号：
[3]
文化、科学、教育、体育（G）
/
各级教育（G6）
/
高等教育（G64）
/
教学理论、教学法（G642）
/
教学法与教学组织（G642.4）
/
教学组织（G642.42）
/
实验（G642.423）
作者姓名：
申赞伟;周军盈;张士文;殳国华;张峰
作者机构：
上海交通大学 电子信息与电气工程学院,上海 200240;上海船舶电子设备研究所,上海 201108
文献出处：
引用格式：
[1]申赞伟;周军盈;张士文;殳国华;张峰-.一种用于电类实验测量数据判决的改进KNN算法)[J].实验技术与管理,2022(01):18-23,45
A类：
B类：
实验测量,测量数据,判决,KNN,电类实验教学,烦琐,质量和效率,近邻,nearest,neighbors,分类算法,均值漂移,安全间隔,核主成分分析,KPCA,on,margin,错误原因,高维,移向,别数,边界设置,数据设置,时间复杂度
AB值：
0.343682
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
