计算机应用研究
計算機應用研究
계산궤응용연구
APPLICATION RESEARCH OF COMPUTERS
2011年
3期
915-917
,共3页
机器学习%K-最近邻分类%小样本集%标签数据%弱学习规则
機器學習%K-最近鄰分類%小樣本集%標籤數據%弱學習規則
궤기학습%K-최근린분류%소양본집%표첨수거%약학습규칙
KNN及其改进算法使用类标号已知的数据集Dl对类标号未知的数据集Du进行类别标志,如果Dl中的数据数量过少,将会影响最后的分类精度.基于小样本弱学习规则的KNN分类算法旨在提高基于小样本集的KNN算法的分类精度,它首先对Dl中的数据对象进行学习,从中选取一些数据,利用学到的标签知识对其进行类别标号,然后将其加入到Dl中;最后利用扩展后的Dl时Du中的数据对象进行类别标志.通过使用标准数据集的测试发现,该算法能够提高KNN的分类精度,取得了较满意的结果.
KNN及其改進算法使用類標號已知的數據集Dl對類標號未知的數據集Du進行類彆標誌,如果Dl中的數據數量過少,將會影響最後的分類精度.基于小樣本弱學習規則的KNN分類算法旨在提高基于小樣本集的KNN算法的分類精度,它首先對Dl中的數據對象進行學習,從中選取一些數據,利用學到的標籤知識對其進行類彆標號,然後將其加入到Dl中;最後利用擴展後的Dl時Du中的數據對象進行類彆標誌.通過使用標準數據集的測試髮現,該算法能夠提高KNN的分類精度,取得瞭較滿意的結果.
KNN급기개진산법사용류표호이지적수거집Dl대류표호미지적수거집Du진행유별표지,여과Dl중적수거수량과소,장회영향최후적분류정도.기우소양본약학습규칙적KNN분류산법지재제고기우소양본집적KNN산법적분류정도,타수선대Dl중적수거대상진행학습,종중선취일사수거,이용학도적표첨지식대기진행유별표호,연후장기가입도Dl중;최후이용확전후적Dl시Du중적수거대상진행유별표지.통과사용표준수거집적측시발현,해산법능구제고KNN적분류정도,취득료교만의적결과.
