《表3 O的权重计算结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种基于层次分析法的改进KNN算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

以鸢尾花（Iris）分类为例。首先，构建层次结构模型。最高层即目标层，对于鸢尾花分类的KNN算法问题，其目标层应对样本进行准确分类；中间层即准则层，设置为鸢尾花的种类，分为山鸢尾、杂色鸢尾、维吉尼亚鸢尾三种；最底层即方案层，设定为鸢尾花的属性。其层次结构如图1所示。图1表明了鸢尾花分类问题与4个影响因素之间层次关系，以此为依据，可确认各层之间的判断矩阵。第二步，构建各层次的判断矩阵，并检验其一致性。本文以确定目标层与准则层之间权重向量求解过程为例。首先确定目标层与准则层之间的判断矩阵，并计算各因素的权重，目标层与准则层之间判断矩阵与准则层的各个因素的权重如表3所示。根据目标层与准则层之间判断矩阵，其最大特征值λmax=3.053 6，其对应的特征向量为W=（0.318 3，0.505 3，0.802 1）T，那么，CI=0.026 8，RI=0.52，CR=0.052<0.10，因此通过一致性检验。最后，将特征向量单位化得到准则层的权重向量ω=（0.195 8，0.310 8，0.493 4）T。