融合邻域信息的k-近邻分类
융합린역신식적k-근린분류
K-nearest neighbor classification algorithm fusing neighborhood information
  • 万方数据
    智能系统学报 지능계통학보
    CAAI TRANSACTIONS ON INTELLIGENT SYSTEMS
    2014年 2期 240-243 ,共4页

    林耀进%李进金%陈锦坤%马周明

    림요진%리진금%진금곤%마주명

    k-近邻%邻域信息%分类学习%距离测量%噪音干扰 k-近鄰%鄰域信息%分類學習%距離測量%譟音榦擾
    k-근린%린역신식%분류학습%거리측량%조음간우
    k-nearest neighbor%neighborhood information%classification learning%distance measurement%noise disturbance
    距离度量是影响k-近邻(KNN)法分类精度的重要因素之一.提出一种融合邻域信息的k-近邻算法.首先,定义了样本邻域的概念,并根据邻域的影响提出2条相应准则;然后,在计算测试样本与训练样本的距离时,综合考虑了样本邻域所带来的影响.该算法不仅可以更加精确地刻画样本之间的距离,而且一定程度上增强了KNN的稳定性.该方法在UCI标准数据集上进行了测试,结果表明,性能优于或与其他相关的分类器相当,并且在噪声扰动下具有较强的鲁棒性.
    거리도량시영향k-근린(KNN)법분류정도적중요인소지일.제출일충융합린역신식적k-근린산법.수선,정의료양본린역적개념,병근거린역적영향제출2조상응준칙;연후,재계산측시양본여훈련양본적거리시,종합고필료양본린역소대래적영향.해산법불부가이경가정학지각화양본지간적거리,이차일정정도상증강료KNN적은정성.해방법재UCI표준수거집상진행료측시,결과표명,성능우우혹여기타상관적분류기상당,병차재조성우동하구유교강적로봉성.
    원문보기 원문다운로드 사이트로이동
저자의 최근 논문