1.?????算法流程

1)??????通過Matlab產生高斯分布產生兩類數據，并標明類別

2)??????數據初始化：設置K=某個常數(一般為奇數)

3)??????對于每個測試數據，

計算其到兩類數據的所有點的距離

對于上述求得的距離，選出K個最小的，

檢測這選出的K個值中屬于類別1和類別2的個數

If Cnt1>Cnt2

屬于類別1；

Else

屬于類別2；

2、實驗代碼：

clear all;

close all;

clc;

%%第一個類數據和標號

mu1=[0 0]; ?%均值

S1=[0.3 0;0 0.35]; ?%協方差

data1=mvnrnd(mu1,S1,100); ? %產生高斯分布數據

plot(data1(:,1),data1(:,2),'+');

label1=ones(100,1); %產生100行1列的單位矩陣

hold on;

%%第二個類數據和標號

mu2=[1.25 1.25];

S2=[0.3 0;0 0.35];

data2=mvnrnd(mu2,S2,100);

plot(data2(:,1),data2(:,2),'ro');

label2=label1+1; %產生100行1列的全為2的矩陣

data=[data1;data2];%數據合并

label=[label1;label2];

grid on;

K=11; ? %兩個類，K取奇數才能夠區分測試數據屬于那個類

%測試數據，KNN算法看這個數屬于哪個類

for ii=-3:0.1:3

for jj=-3:0.1:3

test_data=[ii jj]; ?%測試數據

label=[label1;label2];

%%下面開始KNN算法，顯然這里是11NN。

%求測試數據和類中每個數據的距離，歐式距離(或馬氏距離)

distance=zeros(200,1); %產生200行1列的零矩陣

for i=1:200

distance(i)=sqrt((test_data(1)-data(i,1)).^2+(test_data(2)-data(i,2)).^2); %(xi-X)2+(yj-Y)2

end

%選擇排序法，只找出最小的前K個數據,對數據和標號都進行排序

for i=1:K

ma=distance(i);

for j=i+1:200

if distance(j)

ma=distance(j);

label_ma=label(j);

tmp=j;

end

end

distance(tmp)=distance(i); ?%排數據

distance(i)=ma;

label(tmp)=label(i); ? ? ? ?%排標號，主要使用標號

label(i)=label_ma;

end

cls1=0; %統計類1中距離測試數據最近的個數

for i=1:K

if label(i)==1

cls1=cls1+1;

end

end

cls2=K-cls1; ? ?%類2中距離測試數據最近的個數

if cls1>cls2

plot(ii,jj); ? ? %屬于類1的數據畫小黑點

end

end

end

3、結果說明

本算法的測試數據是坐標軸上的點，范圍是x[-3,3], y[-3,3];

最終結果一類用黑點表示，一類用空白表示

4、算法結果：

總結

以上是生活随笔為你收集整理的matlab knn实现,Matlab之KNN实现的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。