基于M-distance算法思想的优化加权KNN算法
来源：大连理工大学学报杂志2021年第6期北京时间：
作者：程勖,高雍政,郭芳
摘要：为快速对数据进行特征选择以实现精确分类，采用M-distance算法思想进行数据集簇聚类，对样本数据进行预处理；设计加权K近邻算法缩减样本间距并构建样本分类模型；采用模拟简谐振动的方法遍历样本数据，求解最优加权特征向量，实现样本分类．实验结果表明：设计的算法是正确的，分类模型是合理的．在样本数据特征中，分离出的消费者最为关心的前10个样本特征符合消费者的行为选择，说明算法设计有一定实用性．
关键词：样本近邻加权特征向量谐振子样本分类
基金资助：国家自然科学基金资助项目(71802035)；辽宁省纺织之光教学改革研究资助项目(BKJGLX333).
