论文综述
论文题目:k-NearestNeighbors on Road Networks: A Journey in Experimentation and In-MemoryImplementation
一、KNN算法的相关领域
KNearest Neighbor算法又叫KNN算法,这个算法是机器学习中的一个经典的距离分类器算法。
机器学习方法根据训练样本的不同可以分为有监督学习方法和无监督学习方法。有监督学习又被称为有教师学习,需要知道训练样本集合中的每个样本具体属于哪一个类别;无监督学习又被称为无教师学习,只知道训练样本集合中的每个训练样本,而不知道每个训练样本所属的类别,甚至在有些情况下所属类别的数量也是未知的。
二、相关领域的问题分类
距离分类器是有监督学习方法中的主要方法,这些方法主要依据的是模式之间的距离(或相似程度)来构造分类器,这些方法有时也被称为“模板匹配”。距离分类器的特点是算法简单,分类器学习和识别的效率很高,目前仍是解决识别问题的主要方法之一,特别是某些类别数量比较多、识别速度要求比较快的应用场景。
无监督学习的代表是聚类分析方法,这些方法仍然采用距离来度量模式之间的相似程度,然后根据无监督样本集合中样本的相似程度讲起划分为不同的子集,实现对无监督样本的聚类。
三、相关领域的解决方法的分类
3.1分类