基于K-近邻法的分类器的研究与实现本科毕业论文

《基于K-近邻法的分类器的研究与实现本科毕业论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于K-近邻法的分类器的研究与实现本科毕业论文基于K-近邻法的分类器的研究与实现基于K-近邻法的分类器的研究与实现毕业设计（论文）原创性声明和使用授权说明原创性声明本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。作者签名：　　　　　日　期：　　　　　指导教师签名：　　　　　日　　期：　　　　

2、　使用授权说明本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。作者签名：　　　　　日　期：　　　　　基于K-近邻法的分类器的研究与实现摘要模式识别的目的就是对未知的样本，判断它所在的类别。人类的模式识别能力使得人们可以很好的认识周围的环境并与之交流，如果计算机也具有类似的能力，那么其智能程度将会大大提高，可以发挥更

3、大的功能，更好的为人类服务。本文的研究课题就属于计算机模式识别领域。分类器是模式识别系统的重要组成部分；也是机器学习的重要研究领域。本文主要研究对象是KNN分类方法，运用K近邻法(KNearestNeighbor)对数据进行分类，并对分类结果进行比较研究。本文的研究工作主要探讨基于K-近邻法的分类器的实现，主要集中在K-近邻法的理论分析，算法实现。本文首先介绍了数据挖掘的目的、意义及现状，阐述了K-近邻算法在数据挖掘中的地位和作用，然后对K-近邻法进行了详细的研究与分析，并且实现基于K-近邻法的分类器。本设计采用SQLServer数据库系统和c#.net开发工具进行分析研究。关键词：模

4、式识别；数据挖掘；机器学习；K-近邻法；分类器基于K-近邻法的分类器的研究与实现THERESEARCH&ACHIEVEOFCLASSIFIERBASEDONTHEK-NEARESTNEIGHBORALGORITHMABSTRACTThepurposeofpatternrecognitionisjudgeitinthecategoryfortheunknownsample.Thepatternrecognitioncapabilitiesofhumancanmakeitagoodunderstandingoftheenvironmentaroundandexchangewiththem,

5、Ifthecomputeralsohasasimilarcapability,itssmartlevelwillgreatlyimprove,theleveltheycanplayagreaterroleandbetterservicetohumanity.Thisresearchonthesubjectisakindofcomputerpatternrecognition.Classifierisanimportantcomponentpartinpatternrecognitionsystem;itisalsoanimportantresearchintheareaofmachin

6、elearning.ThispapermainlytargetsKNNclassificationmethods,usingk-nearestneighborfordataclassification,andcomparedtheresults.Thisarticleresearchontheachieveofclassifierbasedonthek-nearestneighboralgorithm.Mainlyconcentratedinthek-nearest-neighbortheoreticalanalysisandalgorithm.Firstofall,Iintroduc

7、ethepurpose、meaningandrecentdevelopmentofdatamining.andexpatiatethestatusandfunctionofk-nearestneighbourinthisfield.thenresearchandanalysistothek-nearest-neighbordetailedandachievetheclassifierbasedonk-nearest-neighbor.Idesi