摘要：K-近邻（K-Nearest-Neighbor，KNN）算法是一种最基本的基于实例的学习方法，被广泛应用于机器学习与数据挖掘。其学习过程只是简单地存储已知的训练数据。当遇到新的查询实例时，一系列相似的实例被从存储器中取出，并用来分类新的查询实例。KNN的一个不足是分类新实例的开销可能很大。这是因为几乎所有的计算都发生在分类时，而不是在第一次遇到训练实例时。所以，如何有效地索引训练实例，以减少查询时所需计算是一个重要的实践问题。为解决这个问题，提出了一种新的算法。该算法把部分原本发生在分类阶段的计算移到训练阶段来完成。实验表明，算法能够提高KNN效率80％以上。此外，算法的思想还可以应用于KNN的所有变体中。http://www.cqvip.com//QK/91690X/200804/26461517.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）