沈学利，秦鑫宇,2+

1.辽宁工程技术大学 软件学院，辽宁 葫芦岛 125105

2.中国科学院海西研究院 泉州装备制造所，福建 泉州 362216

分类作为数据挖掘领域的重要研究内容之一，对其相关算法的研究已有很长的历史，如今随着Internet 的飞速发展，每天都有大量来自医疗、商业、科学及日常生活等方方面面的数据产生，如何从海量的数据提取有效的信息，这就需要用到某种数据挖掘算法对数据进行分类。目前，比较常见的数据分类算法主要有：支持向量机（support vector machine，SVM）、决策树（decision tree，DT）、朴素贝叶斯（naive Bayes，NB）、深度神经网络（deep neural networks，DNN）、K最近邻（Knearest neighbor，KNN）等。其中K最近邻算法[1]因其在分类任务中简单且效果良好的特点被广泛应用，基本思想是：在向量空间中，通过计算每一条待测样本与训练样本之间的距离（或相似性），从训练样本中找出与待测样本最相似的K个最近邻样本，然后对这K个样本的所属类别进行投票，以此判定待测样本的最终归属类别。然而，当面临高维度大数据量的训练样本时，由于KNN 分类需要逐个计算与训练样本的相似程度，高昂的计算开销使其效率大幅降低。

如何对此进行改进以提高KNN 算法在处理规模较大的高维度样本时的效率，成为数据挖掘领域一个极为关注的问题，对此有不少学者提出了自己的改进算法，大致分为以下几类：

（1）从构造适应数据特性的度量角度提升KNN的性能。文献[2]提出了一种基于Finsler 度量的KNN算法，该算法使用Finsler 作为样本间距离的度量方式，通过分析样本的固有属性，进而赋予样本间距离度量不同的权重，使算法的分类性能得以提升。……