商務(wù)智能應(yīng)用中數(shù)據(jù)挖掘KNN算法的改進與高性能程序的實現(xiàn).pdf

1、當(dāng)今的時代是信息化的時代，隨著計算機和網(wǎng)絡(luò)的迅速發(fā)展，在日常生活中會產(chǎn)生越來越多的數(shù)據(jù)。人們在享受信息化網(wǎng)絡(luò)系統(tǒng)帶來便利的同時，也遺憾有非常多的信息被淹沒在了數(shù)據(jù)之中。如何整理和管理這些寶貴的數(shù)據(jù)，怎么才能更好更有效的使用這些數(shù)據(jù)，成為一個迫切而重要的問題。
　　 數(shù)據(jù)挖掘無疑是針對這個問題而產(chǎn)生的一門非常有實際應(yīng)用價值的學(xué)科。研究數(shù)據(jù)挖掘技術(shù)，可以更好的組織管理信息，讓數(shù)據(jù)更好的服務(wù)人類，而不是隨著時間付之東流。
　　

2、 KNN算法也就是K近鄰算法，是由Cover和Hart于1968年提出的一種數(shù)據(jù)挖掘方法。這種方法非常容易理解，在之后也得到了更深入的研究和應(yīng)用。它也是非參數(shù)算法中一個重要的方法。KNN，K近鄰算法是最近鄰的擴展。其中K值越大那么貝葉斯錯誤率就越低，當(dāng)然運算產(chǎn)生的開銷也是隨著增大的。本論文就是通過改進的KNN算法，使得基于KNN算法的應(yīng)用不僅更具有針對性和有效性。而且還可以縮短開銷提升可行性。
　　 CUDA編程模型，是基于GP

3、U的編程模型。這種模型無疑針對KNN算法這種大規(guī)模運算更加有效。由于其編程特點具有絕對的并行特征。那么在運算過程中，這種基于CUDA的改進可以大大的提高GPU的運算效率。
　　 KNN算法通過計算樣本個體之間的距離或者相似度來尋找與每個樣本個體最相近的K個個體，在這個過程中需要完成一次樣本個體的兩兩比較，所以算法的時間復(fù)雜度，跟樣本的個數(shù)直接相關(guān)。K最近鄰算法通常情況下是用于分類的，這只是對K近鄰算法用途的本質(zhì)說明。從實際來看，