计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2007年
5期
187-189
,共3页
任江涛%卓晓岚%许盛灿%印鉴
任江濤%卓曉嵐%許盛燦%印鑒
임강도%탁효람%허성찬%인감
特征赋权%K近邻分类%粒子群算法
特徵賦權%K近鄰分類%粒子群算法
특정부권%K근린분류%입자군산법
特征权重学习是基于特征赋权的K近邻算法需要解决的重要问题之一,传统上提出了许多启发式的学习方法.近年来,随着进化计算技术在模式识别及数据挖掘领域的广泛应用,基于进化计算的权重学习和距离学习方法也得到越来越多的重视.本研究针对基于特征赋权的K近邻算法的权重学习问题,提出了一种基于PSO进行权重学习的算法PSOKNN,通过与传统KNN、GAKNN及ReliefKNN的实验比较分析表明,该方法可有效地搜索出合适的特征权重,获得较好的分类精度并淘汰冗余或无关的特征.
特徵權重學習是基于特徵賦權的K近鄰算法需要解決的重要問題之一,傳統上提齣瞭許多啟髮式的學習方法.近年來,隨著進化計算技術在模式識彆及數據挖掘領域的廣汎應用,基于進化計算的權重學習和距離學習方法也得到越來越多的重視.本研究針對基于特徵賦權的K近鄰算法的權重學習問題,提齣瞭一種基于PSO進行權重學習的算法PSOKNN,通過與傳統KNN、GAKNN及ReliefKNN的實驗比較分析錶明,該方法可有效地搜索齣閤適的特徵權重,穫得較好的分類精度併淘汰冗餘或無關的特徵.
특정권중학습시기우특정부권적K근린산법수요해결적중요문제지일,전통상제출료허다계발식적학습방법.근년래,수착진화계산기술재모식식별급수거알굴영역적엄범응용,기우진화계산적권중학습화거리학습방법야득도월래월다적중시.본연구침대기우특정부권적K근린산법적권중학습문제,제출료일충기우PSO진행권중학습적산법PSOKNN,통과여전통KNN、GAKNN급ReliefKNN적실험비교분석표명,해방법가유효지수색출합괄적특정권중,획득교호적분류정도병도태용여혹무관적특정.
