[發明專利]一種針對K-NN算法臨近點查找的優化方法及裝置

在審

• 申請號: 202011203337.4
• 申請日: 2020-11-02
• 公開（公告）號: CN112464988A
• 公開（公告）日: 2021-03-09
• 發明（設計）人: 周培爍
• 申請（專利權）人: 蘇州浪潮智能科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 濟南舜源專利事務所有限公司 37205
• 代理人: 張營磊

1.一種針對K-NN算法臨近點查找的優化方法，其特征在于，包括如下步驟：

S1.獲取已有數據集合中確定元素數量N及待分類元素，所述確定元素數量N為已有數據集合中元素總數量減去待分類元素的數量；

S2.根據已有數據集合中確定元素數量N及應用需求定義臨近數量K，并創建一個長度為臨近數量K的數組；

S3.計算已有數據集合中K個確定元素與待分類元素的距離，并將K個距離值依次存儲到創建的數組中；

S4.獲取已有數據集合中N-K個剩余確定元素，計算N-K個剩余確定元素與待分類元素的距離，將N-K個距離值依次與數組中最大距離值進行比較，并在剩余確定元素與待分類元素距離大于數組中最大距離值時，進行數值替換；

S5.統計數組中距離值對應確定元素所屬類別及各類別對應確定元素數量，并設定確定元素數量最大的類別為待分類元素的類別。

2.如權利要求1所述的針對K-NN算法臨近點查找的優化方法，其特征在于，步驟S1具體步驟如下：

S11.定義已有數據集合C中確定元素數量N；

S12.獲取已有數據集合C中待分類元素A；

S13.設定確定元素數量N為已有數據集合C元素總數量減去一個待分類元素的數量。

3.如權利要求2所述的針對K-NN算法臨近點查找的優化方法，其特征在于，步驟S2具體步驟如下：

S21.獲取已有數據集合C中確定元素數量N；

S22.根據應用需求定義臨近數量K，其中KN，且K與N的差值大于設定閾值；

S23.以臨近數量K為長度創建數組d[]_K。

4.如權利要求3所述的針對K-NN算法臨近點查找的優化方法，其特征在于，步驟S3具體步驟如下：

S31.獲取已有數據集合C中任意K個確定元素；

S32.根據距離公式分別計算K個確定元素與待分類元素A的距離，得到K個距離值；

S33.將K個距離值依次存儲到長度為K的數組d[]_K，生成d[d₁，d₂，…,d_k]。

5.如權利要求4所述的針對K-NN算法臨近點查找的優化方法，其特征在于，步驟S4具體步驟如下：

S41.獲取已有數據集合C中N-K個剩余確定元素；

S42.將數組d[d₁，d₂，…,d_k]中K個距離值依次排序，選出最大距離值d_max；

S43.定位一個剩余確定元素，根據距離公式計算剩余確定元素與待分類元素A的距離，記為d_s；

S44.判斷是否d_s小于d_max；

若是，令d_s替換d_max在數組d[]_K中位置，進入步驟S45；

若否，舍去d_s，進入步驟S45；

S45.判斷N-K個剩余確定元素與待分類元素A距離是否計算完畢；

若是，進入步驟S5；

若否，返回步驟S43。

6.如權利要求5所述的針對K-NN算法臨近點查找的優化方法，其特征在于，步驟S5具體步驟如下：

S51.獲取數組d[]_K中K個距離值對應的確定元素，定義為臨近子集；

S52.統計出臨近子集中確定元素所屬的類別，及各類別對應確定元素的數量；

S53.比較臨近子集中各類別對應確定元素的數量，選出確定元素數量最大的類別，定義為G；

S54.設定待分類元素A的類別為G。