马莱克·汗;丁、秦;威廉·佩里佐 \使用P树对空间数据流进行（k）-最近邻分类。 （英语） Zbl 1048.68801号 Chen，Ming-Syan（编辑）等，《知识发现和数据挖掘的进展》。第六届亚太会议，2002年PAKDD，2002年5月6日至8日，台湾台北。诉讼程序。柏林：施普林格出版社（ISBN 3-540-43704-5）。莱克特。注释计算。科学。2336, 517-528 (2002). 摘要：空间数据流的分类至关重要，因为训练数据集经常发生变化。在大多数技术中，每次构建一个新分类器的成本可能非常高。在这种情况下，（k）-最近邻（KNN）分类是一个很好的选择，因为不需要提前构建剩余分类器。KNN的实现非常简单，并且有多种多样的变体。我们提出了一种新的空间数据KNN分类方法，该方法使用了一种新的、丰富的、可用于数据挖掘的结构，即Peano计数树（P-tree）。我们只需对P-树执行一些AND/OR操作，以找到新样本的最近邻居并指定类标签。我们有快速高效的and/OR运算算法，大大缩短了分类时间。我们形成了一个闭KNN集，而不是精确地取“（k）最近邻”。我们的实验结果表明，封闭KNN具有更高的分类精度和显著更高的速度。关于整个系列，请参见[Zbl 0992.68521号]. MSC公司： 68单位99 计算方法和应用 第68页，共15页 数据库理论 68第20页 信息存储和数据检索 68T05型 人工智能中的学习和自适应系统 PDF格式BibTeX公司 XML格式引用 \textit{M.Khan}等人，Lect。注释计算。科学。2336517--528（2002年；Zbl 1048.68801） 全文： 链接