[發(fā)明專利]一種針對K-NN算法臨近點查找的優(yōu)化方法及裝置

在審

• 申請?zhí)枺?/td>: 202011203337.4
• 申請日: 2020-11-02
• 公開（公告）號: CN112464988A
• 公開（公告）日: 2021-03-09
• 發(fā)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(yōu)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(chuàng)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(chuàng)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(tǒng)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(yōu)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(yōu)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(chuàng)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(yōu)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(yōu)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(yōu)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(tǒng)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。