基于并行权重自适应k-邻域算法的图像分类方法 |
| |
引用本文: | 苗水清,闫文耀,吴梦蝶.基于并行权重自适应k-邻域算法的图像分类方法[J].贵州师范大学学报(自然科学版),2023(2):113-120. |
| |
作者姓名: | 苗水清 闫文耀 吴梦蝶 |
| |
作者单位: | 延安大学西安创新学院数据科学与工程学院 |
| |
基金项目: | 陕西省教育厅科研计划资助项目(21JK0997); |
| |
摘 要: | 针对现有KNN算法识别率低的问题,提出了一种并行权重自适应k-邻域算法。该方法首先结合多线程技术,并采用分类组合的多个KNN单元进行识别以提高执行效率;其次在分类组合KNN算法中采用深度学习模型对各个类别进行了系数权重自适应设定,进而降低传统KNN和分类组合KNN,由于单纯类别个数的多少进行决策或者通过人为设定类别比例进行决策而引起的分类误差。通过在Fashion MNIST手写数据集进行实验,结果表明:该算法将传统的KNN算法分类正确率提高到97%左右,对实际应用具有一定的价值。
|
关 键 词: | 并行权重自适应 k-邻域算法 深度学习 KNN 图像分类 |
|
|