一种基于改进的Euclid距离KNN分类方法和系统

摘要

本发明公开了一种基于改进的Euclid距离KNN分类方法和系统，首先从数据库中获取数据集，并将数据集分为测试集和训练集；设置近邻参数K值；根据LDA(Linear Discriminant Analysis)算法求出投影向量w；由训练集构造近邻图G(V，E)；对于测试集中的的每一个数据样本xtext，根据近邻图找到数据样本xtext在训练集中的K个近邻；返回对数据样本xtext的估计值并进行样本类别的判定。本发明具有如下优点：(1)本发明具有很好的抗噪性，能够解决传统KNN对于噪声的敏感问题。(2)本发明采用改进的Euclid距离替代传统KNN采用的Euclid距离度量，更能够区分样本，提高分类的准确率，并且不增加计算的复杂度。