期刊专题

10.3969/j.issn.1006-2475.2022.08.005

基于FLANN改进的KNN医疗分类算法

引用
本文通过研究KNN(K-最近邻)算法在疾病预测领域的使用与分析,总结出KNN的2点不足,针对不足进行相应改进并提出F_KNN(循环最近邻搜索)算法:1)针对KNN计算量大、效率低下的缺点,本文采用FLANN(快速最近邻搜索)循环搜索与待测样本距离最近的点,记录若干个最近邻点作为最近邻点子集,利用此子集取代全集对待测样本进行计算,可以降低计算量,极大地提高了KNN算法效率;2)针对KNN难以对高维数据集分类的缺点,本文采用AHP(层次分析法)对样本的特征属性进行相关性研究,使用合适的参数分配权重,提高了KNN算法准确率.本文采用一组脑中风数据集对优化后的算法进行实验,实验结果表明,F_KNN准确率达96.2%.与传统KNN相比,F_KNN提高了分类性能且极大地提高了算法效率.在处理高维且较大的数据集时,F_KNN算法优势明显,具有较好的应用前景.

K-最近邻、循环最近邻搜索、快速最近邻搜索、层次分析法、脑中风、疾病预测

TP391(计算技术、计算机技术)

江西省放射性地学大数据技术工程实验室开放基金资助项目JELRGBDT201805

2022-08-24(万方平台首次上网日期,不代表论文的发表时间)

共6页

25-29,35

暂无封面信息
查看本期封面目录

计算机与现代化

1006-2475

36-1137/TP

2022,(8)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn