合肥工业大学学报（自然科学版）
閤肥工業大學學報（自然科學版）
합비공업대학학보（자연과학판）
JOURNAL OF HEFEI UNIVERSITY OF TECHNOLOGY(NATURAL SCIENCE)
2013年
2期
171-175
,共5页
邻域k凸包%度量学习%k近邻%集成学习
鄰域k凸包%度量學習%k近鄰%集成學習
린역k철포%도량학습%k근린%집성학습
neighbor k-convex-hull%metric learning%k-nearest neighbor%ensemble learning
k局部凸包分类方法通过改进k近邻算法在处理小样本问题时的决策边界而显著提高分类性能,k子凸包分类方法通过克服k凸包分类对类数和样本环状分布的敏感性而改善了分类性能.但是,该方法仍然对样本距离度量方法敏感,并且在k邻域内不同类的样本数经常严重失衡,导致分类性能下降.针对上述问题,文章提出了一种邻域k凸包分类方法,并通过引入距离度量学习和集成学习技术来提高算法对样本空间度量的鲁棒性.大量实验表明,文中提出的基于度量学习的邻域k凸包集成方法具有显著的分类性能优势.
k跼部凸包分類方法通過改進k近鄰算法在處理小樣本問題時的決策邊界而顯著提高分類性能,k子凸包分類方法通過剋服k凸包分類對類數和樣本環狀分佈的敏感性而改善瞭分類性能.但是,該方法仍然對樣本距離度量方法敏感,併且在k鄰域內不同類的樣本數經常嚴重失衡,導緻分類性能下降.針對上述問題,文章提齣瞭一種鄰域k凸包分類方法,併通過引入距離度量學習和集成學習技術來提高算法對樣本空間度量的魯棒性.大量實驗錶明,文中提齣的基于度量學習的鄰域k凸包集成方法具有顯著的分類性能優勢.
k국부철포분류방법통과개진k근린산법재처리소양본문제시적결책변계이현저제고분류성능,k자철포분류방법통과극복k철포분류대류수화양본배상분포적민감성이개선료분류성능.단시,해방법잉연대양본거리도량방법민감,병차재k린역내불동류적양본수경상엄중실형,도치분류성능하강.침대상술문제,문장제출료일충린역k철포분류방법,병통과인입거리도량학습화집성학습기술래제고산법대양본공간도량적로봉성.대량실험표명,문중제출적기우도량학습적린역k철포집성방법구유현저적분류성능우세.
