青岛大学学报（自然科学版）
青島大學學報（自然科學版）
청도대학학보（자연과학판）
JOURNAL OF QINGDAO UNIVERSITY(NATURAL SCIENCE EDITION)
2013年
4期
57-61
,共5页
超长方体%K最近邻方法%分类方法%区域分离
超長方體%K最近鄰方法%分類方法%區域分離
초장방체%K최근린방법%분류방법%구역분리
Hyper cube%KNN method%Classification algorithm%Separated region
提出了超长方体与KNN相结合的分类算法.在训练阶段,该算法为训练集中的每一个类别构造多个超长方体,区域分离每一类训练样本.在测试阶段,该算法首先检查测试样本是否被某一个超长方体包围,如是则其类别被识别出,否则用KNN方法确定其类别.实验采用四个真实数据集进行测试.实验结果表明基于超长方体与KNN的分类算法在四个数据集全部优于两个基于多球覆盖的分类方法,是一种有效的分类方法.
提齣瞭超長方體與KNN相結閤的分類算法.在訓練階段,該算法為訓練集中的每一箇類彆構造多箇超長方體,區域分離每一類訓練樣本.在測試階段,該算法首先檢查測試樣本是否被某一箇超長方體包圍,如是則其類彆被識彆齣,否則用KNN方法確定其類彆.實驗採用四箇真實數據集進行測試.實驗結果錶明基于超長方體與KNN的分類算法在四箇數據集全部優于兩箇基于多毬覆蓋的分類方法,是一種有效的分類方法.
제출료초장방체여KNN상결합적분류산법.재훈련계단,해산법위훈련집중적매일개유별구조다개초장방체,구역분리매일류훈련양본.재측시계단,해산법수선검사측시양본시부피모일개초장방체포위,여시칙기유별피식별출,부칙용KNN방법학정기유별.실험채용사개진실수거집진행측시.실험결과표명기우초장방체여KNN적분류산법재사개수거집전부우우량개기우다구복개적분류방법,시일충유효적분류방법.
