基于R語言的k-最近鄰法數(shù)字模式識別研究.pdf

《基于R語言的k-最近鄰法數(shù)字模式識別研究.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、應(yīng)用技術(shù)與研究學術(shù)探討2014年第8期基于R語言的k-最近鄰法數(shù)字模式識別研究鐘志強（鞍山師范學院物理科學與技術(shù)學院，遼寧鞍山114007）[摘要]k-最近鄰法是常見的機器學習算法，R語言中通過kknn包完成算法實現(xiàn),但其無法實現(xiàn)圖像文件的處理。為此，本文先將圖像文件轉(zhuǎn)換成文本文件，再結(jié)合KNN算法對文件中數(shù)字圖像進行模式識別。實驗得出其判斷結(jié)果達到了預(yù)期指標。[關(guān)鍵詞]k-最近鄰法；模式識別；R語言現(xiàn)以著名鳶尾花（iris）數(shù)據(jù)集實現(xiàn)算例：包含五個指標1．k-最近鄰法原理花瓣長度(Petal．Length)、萼片寬度(S

2、epal.Width)、花瓣寬度k-最近鄰法(k-nearestneighbor，KNN)是最簡單的機器學(Petal.Width)、萼片長度(Sepal.Length)、三種花類型（Species：習算法之一，可以用于分類和回歸。KNN認為，待分類對象setosa，versicolor，virginica）150筆記錄。其結(jié)果見表1和圖的類別可以通過在它附近的訓練數(shù)據(jù)的類別來確定，所以采1。取的策略就是找到離待分類對象最近的K個鄰居進行分析data(iris)；m<-dim(iris)[1]；val<-sample(1：

3、m，size=round[1]。將樣本特征空間中的k個最相似的樣本中的大多數(shù)劃屬(m/3)，replace=FALSE，prob=rep(1/m，m))；iris．learn<-iris[-某一個類別。KNN方法主要靠周圍有限的鄰近的樣本，而val，]；iris．valid<-iris[val，]；iris．kknn<-kknn(Species~．，iris不是靠判別類域的方法來確定所屬類別。KNN方法雖然從．learn，iris．valid，distance=1，kernel="triangular")；summary原

4、理上也依賴于極限定理，但在類別決策時，只與極少量的(iris．kknn)；fit<-fitted(iris．kknn)；table(iris．valid$Species，相鄰樣本有關(guān)。因此對于類域的交叉或重疊采用較多的待fit)分樣本集更為適合。搜索k個近鄰算法的偽算法表示為：pcol<-as．character(as．numeric(iris．valid$Species))；KNN(A[n]，k)，輸入：A[n]為N個訓練樣本在空間中的坐標，kpairs(iris．valid[1：4]，pch=pcol，col=c("g

5、reen3"，"red")[(iris為近鄰數(shù)；輸出：x所屬的類別。取A[1]~A[k]作為x的初始．valid$Species!=fit)+1])近鄰，for(i=k+1；i<=n；i++)計算a[i]與x間的距離d(x，A[i])；if(d(x，A[i]))

6、j=1，．．setosaversicolorvirginica．，i}；計算前k個樣本

7、A[i])，i=1，2，．．．，k所屬類別的概率，setosa1600versicolor0122具有最大概率的類別即為樣本x的類。virginica01192．R語言KNN實現(xiàn)基本實例R是GNU系統(tǒng)的一個自由、免費、源代碼開放的軟件，主2.53.50.51.52.533333335.要用于統(tǒng)計分析與數(shù)據(jù)可視化。R語言使用起來簡潔、直333333333722223332332223333222333335.23332333233336Sepal.Length322332223323232332觀、靈活，隨著大量新興研究領(lǐng)域

8、算法不斷更新，R語言在機33221123312335.2211111122111225221111111122111112211111111115.器學習領(lǐng)域有廣泛的應(yīng)用。R語言中k-最近鄰法常用包是11114111kknn。其使用函數(shù)為：kknn(formula=formula(train)，train，113111311135.1111113111112332Sepal.Width111111223311112233322232231333333313333313333test，na.action=na.omit()，

9、k=7，distance=2，kernel="optimal"，122232331222333122233335.323332333233223322322332122122122222ykernel=NULL，scale=TRUE，contrasts=c('unordered'="contr33333