基于MapReduce的KNN分类算法的改进在动车组中的应用

摘要

KNN分类算法是数据挖掘中常用的算法,其缺点是其近邻的确定根据欧氏距离来计算,很可能产生偏差.针对这一问题,提出了相似度算法和欧氏距离算法相结合的方法,减少了可能出现的偏差,同时实现了MapReduce的并行化.动车组运维实验表明,该算法提高了分类的准确率和效率.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号