作者：姬东朝 宋笔锋 韩斐机内测试故障论断聚类
摘要：针对复杂装备机内测试技术中广泛采用的KNN算法的缺陷，提出一种改进的算法——IKNN。首先用神经网络技术进行输入属性权重的计算，使重要输入属性赋予较大的权值，提高算法的分类精度；其次将训练集中的每一类样本进行聚类，从而减少训练事例集的数据量，提高算法的分类速度。实例验证表明该算法有效地提高了KNN算法的分类精度和速度。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《弹箭与制导学报》（CN：61-1234/TJ）是一本有较高学术价值的大型双月刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《弹箭与制导学报》办刊宗旨是报道导弹、制导、控制、导航、弹药、火箭、弹道、气动力、模拟及相关技术领域的学术论文，报道该专业领域最新研究动态和科研成果，为该专业领域的科研、生产、教学、部队使用服务。
省级期刊
人气 237752 评论 36
人气 153420 评论 33
人气 150930 评论 53
人气 121742 评论 54
