一种基于层次分析法的改进KNN算法

KNN分类算法具有非参数性,易于理解且比较高效,被广泛应用于许多领域。传统的KNN算法中的欧氏距离求法将样本所有属性的贡献视为相同,而实际上样本不同属性的贡献并不一定相同,为解决此问题,提出了一种基于层次分析法的改进KNN算法。在改进算法中,首先利用层次分析法计算样本各属性的权值,再采用加权的欧氏距离计算样本距离,根据样本的加权距离进行分类。实验中,随着训练样本的不断增加,AHP-KNN算法的效率不断提高,并且逐步优于FCD-KNN算法和传统KNN算法的效率。仿真结果表明,提出的改进算法有效提高了传统KNN算法的分类精确度,并具有一定的理论和实际应用价值。