44、混合数据快速 k 最相似邻居分类器及污水处理厂动态模式识别

混合数据快速 k 最相似邻居分类器及污水处理厂动态模式识别

1. 混合数据分类器相关内容

在处理混合数据时，有多种分类器可供选择。为了评估 Tree AEMD 分类器，将其与多种其他分类器进行了对比，包括 exhaustive k - NN、FN、MS、ONC、AESA、LAESA、iAESA、Probabilistic iAESA、TLAESA 和 ModTLAESA 等。

1.1 树遍历算法

树遍历算法有深度优先搜索（DFS）和广度优先搜索（BFS）两种方式。

• DFS 树遍历算法步骤 ：

  1. 树遍历返回树的上一层以评估剩余节点。
  2. 如果树中仍有未遍历且未消除的节点，转到步骤 3；否则，转到步骤 4。
  3. 将对应层中与 Q 最相似的节点分配给 CurrentNode，然后转到步骤 1。
  4. 算法结束。

• BFS 树遍历算法步骤 ：

  1. CurrentNode = root，L = Ø。
  2. 近似步骤：将 CurrentNode 所有未被遍历或消除的直接子节点与 Q 进行比较，并添加到列表 L 中，列表按与 Q 的相似度排序，最相似的节点排在首位（L(1) = MSNod）。选择该节点继续树遍历，从列表中消除 L(1)，更新 k - MSN，标记 MSNod 为已遍历节点，然后 CurrentNode = MSNod。