火力与指挥控制
火力與指揮控製
화력여지휘공제
FIRE CONTROL & COMMAND CONTROL
2013年
9期
58-61
,共4页
张扬%侯俊%刘准钆%潘泉
張颺%侯俊%劉準釓%潘泉
장양%후준%류준구%반천
证据推理%K-NN%置信函数%数据分类%DST
證據推理%K-NN%置信函數%數據分類%DST
증거추리%K-NN%치신함수%수거분류%DST
evidence theory%K-NN%belief functions%data classification%DST
K近邻分类算法已被广泛应用于模式识别中.为了有效处理识别问题中的不确定信息并提高数据分类精度,提出了一种新的证据K-NN(NEK-NN)分类算法.首先从总的训练集中随机重复采样来构造多个训练样本子集.在每个训练子集中,利用目标数据与其各个近邻的距离分别构造基本置信指派,并根据K个近邻数据在每个类别中的数目来对构造的置信指派进行加权.然后,利用DS规则对加权证据融合.根据每个训练子集下融合结果的算术平均值来判断目标的类别属性.通过模拟数据集和真实数据集的实验,将NEK-NN算法与其他几种常见的方法做了对比分析,结果表明NEK-NN算法能够有效地提高分类的精度.
K近鄰分類算法已被廣汎應用于模式識彆中.為瞭有效處理識彆問題中的不確定信息併提高數據分類精度,提齣瞭一種新的證據K-NN(NEK-NN)分類算法.首先從總的訓練集中隨機重複採樣來構造多箇訓練樣本子集.在每箇訓練子集中,利用目標數據與其各箇近鄰的距離分彆構造基本置信指派,併根據K箇近鄰數據在每箇類彆中的數目來對構造的置信指派進行加權.然後,利用DS規則對加權證據融閤.根據每箇訓練子集下融閤結果的算術平均值來判斷目標的類彆屬性.通過模擬數據集和真實數據集的實驗,將NEK-NN算法與其他幾種常見的方法做瞭對比分析,結果錶明NEK-NN算法能夠有效地提高分類的精度.
K근린분류산법이피엄범응용우모식식별중.위료유효처리식별문제중적불학정신식병제고수거분류정도,제출료일충신적증거K-NN(NEK-NN)분류산법.수선종총적훈련집중수궤중복채양래구조다개훈련양본자집.재매개훈련자집중,이용목표수거여기각개근린적거리분별구조기본치신지파,병근거K개근린수거재매개유별중적수목래대구조적치신지파진행가권.연후,이용DS규칙대가권증거융합.근거매개훈련자집하융합결과적산술평균치래판단목표적유별속성.통과모의수거집화진실수거집적실험,장NEK-NN산법여기타궤충상견적방법주료대비분석,결과표명NEK-NN산법능구유효지제고분류적정도.
