山东科技大学学报（自然科学版）
山東科技大學學報（自然科學版）
산동과기대학학보（자연과학판）
JOURNAL OF SHANDONG UNIVERSITY OF SCIENCE AND TECHNOLOGY(NATURAL SCIENCE)
2015年
3期
20-27
,共8页
距离度量%k-最近邻算法%噪声数据%分类%错误率
距離度量%k-最近鄰算法%譟聲數據%分類%錯誤率
거리도량%k-최근린산법%조성수거%분류%착오솔
两层最近邻(TLNN)分类算法通过在有限训练样本条件下最小化错误率的平均绝对误差,能够产生比k-最近邻(kNN)算法更好的分类结果,但其精度易受噪声影响.针对这个问题,提出一种基于最佳距离度量的两层最近邻分类算法(ODM-TLNN),提高对噪声数据的鲁棒性.算法分为两层,下层使用最佳距离度量来确定一个未标记样本的局部子空间,上层采用AdaBoost在子空间进行信息提取.基于UCI数据集的实验结果表明,该算法能充分降低分类错误率,并且在噪声数据下具有较好的稳定性.
兩層最近鄰(TLNN)分類算法通過在有限訓練樣本條件下最小化錯誤率的平均絕對誤差,能夠產生比k-最近鄰(kNN)算法更好的分類結果,但其精度易受譟聲影響.針對這箇問題,提齣一種基于最佳距離度量的兩層最近鄰分類算法(ODM-TLNN),提高對譟聲數據的魯棒性.算法分為兩層,下層使用最佳距離度量來確定一箇未標記樣本的跼部子空間,上層採用AdaBoost在子空間進行信息提取.基于UCI數據集的實驗結果錶明,該算法能充分降低分類錯誤率,併且在譟聲數據下具有較好的穩定性.
량층최근린(TLNN)분류산법통과재유한훈련양본조건하최소화착오솔적평균절대오차,능구산생비k-최근린(kNN)산법경호적분류결과,단기정도역수조성영향.침대저개문제,제출일충기우최가거리도량적량층최근린분류산법(ODM-TLNN),제고대조성수거적로봉성.산법분위량층,하층사용최가거리도량래학정일개미표기양본적국부자공간,상층채용AdaBoost재자공간진행신식제취.기우UCI수거집적실험결과표명,해산법능충분강저분류착오솔,병차재조성수거하구유교호적은정성.
