K近邻

摘要： 风险评估是当今社会各个行业都会涉及到的一个基础课题。在传统的风险评估算法研究中,大多关注风险点的前期事件和相关风险的前瞻,大部分认知风险是由日积月累的多种行为、特征组成。在公安监所人员风险评估工作中,人员风险也在日益的变化,通过暴力、健康、脱逃、自杀、心理、闹监六个维度对在押人员进行风险评估计算,并通过机器学习相关技术,进行特征提取和风险值计算,利用基于半监督机器学习框架支持向量机、K近邻、随机森林三种机器学习模型框架,训练六种机器学习数据模型,并随着监管数据的不断更新,模型也随之迭代,使预测的风险值更加准确。

摘要： 针对现代工业过程的非线性和多分布问题,提出一种基于Jarque-Bera test的故障检测方法。首先,对标准化后的原始数据进行Jarque-Bera test,将变量划分为两个部分;其次,对所有的JB统计量做-ln处理,并采用正态置信概率权值进一步划分,从而使原始变量空间划分为正态和非正态分布的两个子空间;再次,在两个子空间分别基于KPCA和kNN算法提取过程的非线性特征,建立故障检测模型;最后,通过数值案例和TE过程仿真实验验证了所提方法的有效性。

摘要： 多标签学习是机器学习领域的一个研究热点,其能够有效解决真实世界中的多语义问题。在多标签学习任务中,样本的多个标签之间存在一定的关联关系,忽略标签间的相关性会导致模型的泛化性能降低。提出一种基于标签间相关性的多标签学习K近邻算法。充分挖掘样本多标签间的相关性,通过Fp_growth算法得到标签的频繁项集。针对频繁项和标签分别构建评分模型和阈值模型,评分模型用于衡量样本与频繁项或标签之间的关联程度,阈值模型用于求解频繁项或标签对应的判别阈值,结合评分模型和阈值模型对样本所属频繁项进行预测,进而确定样本标签集。在经典数据集Emotions和Scene上的实验结果表明,该算法的F1-Measure指标分别达到66.6%和73.3%,相比CC、LP、RAKEL、MLDF等基准方法,其F1-Measure分别平均提高3.8和2.1个百分点,该算法通过合理利用标签间的相关性使得分类性能得到有效提升。

摘要： 为了从移动终端位置数据中精准识别居民职住地,提出了一种基于时空约束密度聚类的职住地识别方法。首先,利用基于K-means的DBSCAN(density-based spatial clustering of applications with noise)时空驻点聚类过程将居民多天的原始轨迹点分成不同的时空驻点簇;然后,利用基于速度阈值的停留点簇和移动点簇识别过程将居民的每一个时空驻点簇区分为停留点簇或移动点簇;接着,利用基于K近距离的DBSCAN重要停留点聚类过程将居民的停留点分成不同的重要停留点簇;最后,利用基于KD-tree优化的KNN(K-nearest neighbor)职住地识别过程将居民的每个重要停留点识别为工作地、居住地、职住同一区域或兴趣地点区域。实验结果表明,该方法的每个过程都是合理有效的,并且最终的职住地识别效果要优于时间阈值法、累加时间法和信息熵法。

摘要： 针对基于共享最近邻的密度峰聚类算法中的近邻参数需要人为设定的问题,提出了一种基于自适应近邻参数的密度峰聚类算法。首先,利用所提出的近邻参数搜索算法自动获得近邻参数;然后,通过决策图选取聚类中心;最后,根据所提出的代表点分配策略,先分配代表点,后分配非代表点,从而实现所有样本点的聚类。将所提出的算法与基于共享最近邻的快速密度峰搜索聚类(SNN-DPC)、基于密度峰值的聚类(DPC)、近邻传播聚类(AP)、对点排序来确定聚类结构(OPTICS)、基于密度的噪声应用空间聚类(DBSCAN)和K-means这6种算法在合成数据集以及UCI数据集上进行聚类结果对比。实验结果表明,所提出的算法在调整互信息(AMI)、调整兰德系数(ARI)和FM指数(FMI)等评价指标上整体优于其他6种算法。所提算法能自动获得有效的近邻参数,且能较好地分配簇边缘区域的样本点。

摘要： 针对传统的方法未能有效地处理具有高维、混合以及不平衡的特性的入侵检测数据,结合单类分类概念和均值计算方法,提出一种单类分类K近邻(KNN)均值算法。其使用主成分分析混合(PCA mix)方法对高维混合数据进行降维预处理,并运用Bootstrap方法计算决策边界,提高准确性。通过使用三个不同的公开数据集进行实验,并与单类分类支持向量机(OCSVM)算法作对比,其分辨精度提高至94%以上,充分验证了提出算法的优越性。

摘要： 多源在线迁移学习已经广泛地应用于相关源域中含有大量的标记数据且目标域中数据以数据流的形式达到的应用中。然而,目标域的类别分布有时是不平衡的,针对目标域每次以在线方式到达多个数据的不平衡二分类问题,本文提出了一种可以对目标域样本过采样的多源在线迁移学习算法。该算法从前面批次的样本中寻找当前批次的样本的k近邻,先少量生成多数类样本,再生成少数类使得当前批次样本的类别分布平衡。每个批次合成样本和真实样本一同训练目标域函数,从而提升目标域函数的分类性能。同时,分别设计了在目标域的输入空间和特征空间过采样的方法,并且在多个真实世界数据集上进行了综合实验,证明了所提出算法的有效性。

摘要： 密度峰值聚类(density peak clustering,DPC)是一种简单有效的聚类分析方法.但在实际应用中,对于簇间密度差别大或者簇中存在多密度峰的数据集,DPC很难选择正确的簇中心;同时,DPC中点的分配方法存在多米诺骨牌效应.针对这些问题,提出一种基于K近邻(K-nearest neighbors,KNN)和优化分配策略的密度峰值聚类算法.首先,基于KNN、点的局部密度和边界点确定候选簇中心;定义路径距离以反映候选簇中心之间的相似度,基于路径距离提出密度因子和距离因子来量化候选簇中心作为簇中心的可能性,确定簇中心.然后,为了提升点的分配的准确性,依据共享近邻、高密度最近邻、密度差值和KNN之间距离构建相似度,并给出邻域、相似集和相似域等概念,以协助点的分配;根据相似域和边界点确定初始聚类结果,并基于簇中心获得中间聚类结果.最后,依据中间聚类结果和相似集,从簇中心到簇边界将簇划分为多层,分别设计点的分配策略;对于具体层次中的点,基于相似域和积极域提出积极值以确定点的分配顺序,将点分配给其积极域中占主导地位的簇,获得最终聚类结果.在11个合成数据集和27个真实数据集上进行仿真实验,与最新的基于密度峰值的聚类算法作对比,结果表明:所提算法在纯度、F度量、准确度、兰德系数、调整兰德系数和标准互信息上均表现出良好的聚类性能.

摘要： 针对复杂工业过程数据的动态性、非线性和多阶段性等特征,提出基于时空近邻标准化和KNN规则(Time-Space Nearest Neighborhood Standardization and K Nearest Neighbor Rule,TSNS-KNN)的复杂多阶段过程故障检测方法。首先使用训练样本在时间和空间域上的两层嵌套近邻集的统计信息对样本预处理,然后将标准样本的累积近邻距离作为检测统计量进行故障检测。TSNS-KNN在排除非线性干扰的同时,消除了前后时刻样本间的动态相关性,将多阶段数据转换为单阶段数据,从而实现对复杂多阶段过程的检测。将该方法运用于数值实验和青霉素发酵过程,并与其他方法进行比较,对比结果进一步验证了TSNS-KNN方法的优越性。

摘要： 随着通信技术的发展,大量无线通信设备接入网络,然而,由于无线网络的开放性,使得恶意用户可能通过伪装身份冒充合法用户接入网络,严重威胁了无线通信网络的安全.由于发射机物理层具有稳定性和唯一性等特性,提取发射机物理层特征作为终端的身份标识对设备进行身份识别成为近几年研究的热点.分析了近年来基于设备物理层特征实现设备身份识别的研究进展,针对现有LoRa设备指纹身份识别方法存在的风险,提出了一种基于设备指纹的LoRa设备识别模型,采用OneClassSVM单分类算法,将非法设备识别转化为异常检测问题,实现了对待测设备合法性的鉴权,获得了较高的识别率,设计了一种误报消除算法实现了误警率的降低,并验证了随机森林、支持向量机(SVM)、KNN作为分类器在设备身份识别中的性能.

摘要： 在机器学习和数据挖掘领域中,分类器通常设计为最小化测试样本的错误率,然而这只有在所有错误具有相同的错误分类代价时才有意义.在现实问题中,不同情况下的错误往往具有不同的代价,分类器应该设计为最小化总体错误分类代价.实现了一种基于示例加权的代价敏感k近邻方法,通过对不同类别的样本赋予不同的权值来获得代价敏感学习能力,其中样本的权值和其所在类别的错误分类代价成正比.实验结果表明,该方法在两类问题上能显著降低总体代价。

摘要： 个性化推荐系统能基于用户个人兴趣为用户提供定制信息。此类系统通常使用协同过滤技术实现,其中一种广泛使用的经典模型是基于用户评分相似度的k近邻模型。使用k近邻模型需要预先计算出用户或者项目的k个最近邻居,k值过大时会导致计算量过大而影响推荐产生的实时性,而k值过小则会导致推荐精度下降。为解决此问题,该文中提出了一种新的最近邻度量--相似度支持度。基于相似度支持度,该文提出了数种能够在保持推荐精度和密度的前提下维持合理规模的k近邻的策略。在真实大规模数据集上的实验结果表明,相比传统算法,该文提出的策略能够在保证推荐精度的前提下大幅降低计算复杂度。

摘要： 文本分类是文本挖掘的基础和核心。本文讨论目前的一些主要算法,对现有的文本分类算法进行分析,最后提出今后文本分类研究的方向和目标。

摘要： 文本分类是文本挖掘的基础和核心。本文讨论目前的一些主要算法,对现有的文本分类算法进行分析,最后提出今后文本分类研究的方向和目标。

摘要： 文本分类是文本挖掘的基础和核心。本文讨论目前的一些主要算法,对现有的文本分类算法进行分析,最后提出今后文本分类研究的方向和目标。

摘要： 文本分类是文本挖掘的基础和核心。本文讨论目前的一些主要算法,对现有的文本分类算法进行分析,最后提出今后文本分类研究的方向和目标。

摘要： 模式识别方法可以有效识别和控制期刊操纵行为，为科技期刊管理者提供了科学、实用工具。本文借助模式识别方法对期刊非正常自引行为智能识别，我们用k-近邻分类器对收集的18种期刊1998—2007年的正常和异常期刊找出合适特征值，借助MATLAB工具完成数据处理、训练、测试找到合适的模型矩阵，从而为识别出其他异常期刊提供原始模型。经过实验分析，我们发现识别精度达到理想效果。最后，为了验证本方法的有效性和可靠性，我们在JCR报告中找出几组期刊的数据进一步识别，对验证结果进行解释分析，证明了模式识别方法的有效性，并得出本文结论。

摘要： 模式识别方法可以有效识别和控制期刊操纵行为，为科技期刊管理者提供了科学、实用工具。本文借助模式识别方法对期刊非正常自引行为智能识别，我们用k-近邻分类器对收集的18种期刊1998—2007年的正常和异常期刊找出合适特征值，借助MATLAB工具完成数据处理、训练、测试找到合适的模型矩阵，从而为识别出其他异常期刊提供原始模型。经过实验分析，我们发现识别精度达到理想效果。最后，为了验证本方法的有效性和可靠性，我们在JCR报告中找出几组期刊的数据进一步识别，对验证结果进行解释分析，证明了模式识别方法的有效性，并得出本文结论。

摘要： 模式识别方法可以有效识别和控制期刊操纵行为，为科技期刊管理者提供了科学、实用工具。本文借助模式识别方法对期刊非正常自引行为智能识别，我们用k-近邻分类器对收集的18种期刊1998—2007年的正常和异常期刊找出合适特征值，借助MATLAB工具完成数据处理、训练、测试找到合适的模型矩阵，从而为识别出其他异常期刊提供原始模型。经过实验分析，我们发现识别精度达到理想效果。最后，为了验证本方法的有效性和可靠性，我们在JCR报告中找出几组期刊的数据进一步识别，对验证结果进行解释分析，证明了模式识别方法的有效性，并得出本文结论。

摘要： 模式识别方法可以有效识别和控制期刊操纵行为，为科技期刊管理者提供了科学、实用工具。本文借助模式识别方法对期刊非正常自引行为智能识别，我们用k-近邻分类器对收集的18种期刊1998—2007年的正常和异常期刊找出合适特征值，借助MATLAB工具完成数据处理、训练、测试找到合适的模型矩阵，从而为识别出其他异常期刊提供原始模型。经过实验分析，我们发现识别精度达到理想效果。最后，为了验证本方法的有效性和可靠性，我们在JCR报告中找出几组期刊的数据进一步识别，对验证结果进行解释分析，证明了模式识别方法的有效性，并得出本文结论。

摘要： 本发明公开了一种基于K近邻与共享近邻的密度峰值聚类算法，用于解决现有密度峰值聚类算法聚类效果差的技术问题。技术方案是基于K‑近邻和共享近邻相似度对DPC算法进行改进，每个数据样本点的归属由KNN分布信息及SNN共享近邻相似度决定，若i的KNN(i)中属于某个类簇的点越多，且与i的欧式距离越近，则两个样本点之间的相似度越大，样本i关于KNN(i)所属类簇的归属度值就越大，此时样本点i被分配到这个类簇的概率就越大。聚类中心出现在局部密度较高的区域。本发明算法避免了DPC算法度量样本密度的缺陷、及其分配样本时产生的类似“多米诺骨牌效应”的连带分配错误，聚类效果好。

摘要： 本发明公开了一种基于监督核共享近邻的云自适应模糊K近邻分类方法，其包括以下步骤：S1、获取训练样本并根据其类别信息建立无向邻域图；S2、获取各训练样本之间的相似度，并确定各训练样本的密度；S3、根据各训练样本的密度获取各训练样本的隶属度；S4、获取待分类样本与近邻样本之间的相似度，并获取近邻样本的权重；S5、根据待分类样本的近邻样本的权重获取待分类样本隶属于每个类别的隶属度确定其类别。本发明能够将大部分噪声的隶属度限制在0.2以下，实现在低阈值条件下有效区分噪声样本与正常样本，降低噪声样本对分类结果造成的影响，算法的抗干扰能力明显强于现有方法，使得本方法具有较理想的稳定性能。

摘要： 本发明涉及一种关键字识别方法，尤其为一种基于K近邻的配网调度操作票错误关键字识别方法，包括如下步骤：训练数据集；训练获得关键字识别模型；获取草稿票列表数据；获取操作票数据；数据预处理；操作项目分词；文本特征抽取。将操作票操作项目分为动词、厂站、开关和状态四个位置，采用K近邻算法，识别出配网调度操作票错误关键字的位置，对操作票错误位置进行分类，提示调控员修改更正关键字，解决人工对调度操作命令票的审核盲区，提高操作票的规范率和合格率。规避恶性误操作，降低误操风险，提高调度安全操作水平，保证现场操作人员、设备和电网的安全。提高操作票审核效率，降低调度员对于操作票填写、审核和执行的工作压力和心理压力。

摘要： 本发明公开了一种基于K近邻密度峰值聚类的电力数据异常值检测算法，输入电力负荷数据X，邻近个数K，对负荷数据进行预处理，即用均值替代法补上缺失值，计算样本i与样本j间的欧氏距离，构建样本的距离矩阵，便于选取样本K近邻点，根据公式分别计算样本的局部密度ρi和相对距离δi，设置经验参数ερ与εδ；根据公式，计算局部密度阈值ρf和相对距离阈值δf，将ρi＜ρf和δi＞δf时的样本i认定为异常值，输出异常数据。本发明利用K近邻思想重新定义DPC算法的局部密度，改善原始算法没有考虑数据局部特点以及局部密度定义不统一的不足；同时只需要确定一个参数K，消除了截断距离对算法聚类效果的影响，且参数较易确定其取值，能更加准确检测出电力数据异常值。

摘要： 本发明公开一种基于K近邻算法的异常数据检测方法、系统、设备、介质，涉及异常数据检测技术领域，以解决现有的检测方法复用性差的问题。所述检测方法包括：基于综合校验规则计算未分类数据与已分类数据集中每一已分类数据之间的相似度，并按照相似度确定未分类数据的K个邻居，根据K个邻居的类别确定未分类数据的类别，进而基于相似度确定待检测原始数据集中每一数据的类别，以确定所有的异常数据，实现异常数据检测。本发明所用的方法可以适用于所有场景下的异常数据检测，通用性强。本发明提供的基于K近邻算法的异常数据检测方法、系统、设备、介质用于对异常数据检测方法进行优化，复用性强。

摘要： 本发明涉及一种动态k近邻图的构建方法及基于动态k近邻图的快速图像检索方法，其实现了对近似k近邻图的在线更新，并基于该动态k近邻图实现了快速的图像检索，由于未假定向量间的距离度量，该方法具有良好的泛化性，并且在保证k近邻图的质量的同时在大部分数据集上展现了超过最近邻下降方法的建图效率，在数个图像特征数据集上的检索效率也要好于HNSW等被广泛认可的方法。

摘要： 本发明公开了一种基于非对称k近邻矩阵的增量式共享近邻获取方法，获取无人机飞行数据集D的原始共享近邻矩阵，更新k近邻距离向量、非对称k近邻矩阵，计算无人机飞行数据集D对应的上三角共享近邻矩阵以及原始共享近邻矩阵；计算新添数据点dp的k近邻行向量和逆k近邻列向量，更新非对称k近邻矩阵；非对称k近邻矩阵赋值；赋值更新后的共享近邻矩阵，替换更新后的共享近邻矩阵中的部分数据点，新添数据点dp插入无人机飞行数据集D，替换非对称k近邻矩阵和原始共享近邻矩阵，重复上述步骤。本发明算法实现了共享近邻的增量式获取，将现有静态共享近邻获取方法推广到了动态。

摘要： 本发明公开了一种基于近邻成分分析和k近邻学习融合的变压器故障诊断方法：(a)构建近邻成分分析模型并对其进行训练，包括步骤：(1)采集不同故障类型变压器油色谱样本数据(2)对变压器油色谱样本数据进行预处理(3)分别计算各故障类型变压器油色谱样本数据的关联规则支持度，得到初始度量矩阵M0(4)将初始度量矩阵M0和经过预处理的变压器油色谱样本数据输入经过超参数调优的近邻成分分析模型，进行训练，近邻成分分析模型输出度量矩阵M(5)采用度量矩阵M对各故障类型变压器油色谱样本数据进行映射，得到经过训练的近邻成分分析模型(b)将实测变压器油色谱样本数据输入经过训练的近邻成分分析模型，进而输出变压器故障类型。

摘要： 本发明公开了一种基于加权k近邻的信道状态信息指纹定位方法，属于室内定位技术领域。本发明方法对现有CSI指纹定位系统进行改进，包括：采用基于预测真实空间距离的近邻点召回方案提高近邻点召回质量，近邻点召回模型优选拉索回归模型；采用基于神经网络拟合加权系数的近邻点加权方案改进近邻点权重设置，并采用添加先验线性方程的形式改善神经网络输入输出相关性不足导致的收敛问题；在线定位时，利用训练好的近邻点召回模型选取与待测点的距离最近的k个近邻点，利用训练好的近邻点加权模型预测k个近邻点的加权系数，最后对k个近邻点的位置进行加权求和确定待测点位置。采用本发明方法有效提高了CSI指纹定位精度。

摘要： 本发明提出了一种基于k近邻回归算法和用电数据的排污量预测方法，包括：采集排污单位的历史用电数据和历史排污数据并进行数据预处理，划分成训练集和测试集；生成k近邻回归算法的参数组合，通过分析不同参数组合下k近邻回归算法对训练集的拟合程度，确定参数组合中的最优参数，根据最优参数和k近邻回归算法构建预测模型；根据测试集检验预测模型的准确度，根据检验结果对预测模型进行优化，将排污单位的实时用电数据输入优化后的预测模型中，得到排污量的实时预测结果。本发明利用了用电情况与排污情况的影响关系，基于k近邻回归算法实现排污量的预测，解决了一些企业污染物排放管控困难、管控成本较高的问题。