计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2011年
28期
173-175
,共3页
k近邻%测度学习%生成模型%区分模型
k近鄰%測度學習%生成模型%區分模型
k근린%측도학습%생성모형%구분모형
已有的关于k近邻测度学习算法的工作主要集中于纯区分模型.在假定隐含的生成模型已知的情况下,提出了一种通过分析样本的k个近邻点的概率密度学习测度的方法.实验表明,这种基于类的生成模型假设学习到的局部测度可以有效改善kNN区分模型的性能.
已有的關于k近鄰測度學習算法的工作主要集中于純區分模型.在假定隱含的生成模型已知的情況下,提齣瞭一種通過分析樣本的k箇近鄰點的概率密度學習測度的方法.實驗錶明,這種基于類的生成模型假設學習到的跼部測度可以有效改善kNN區分模型的性能.
이유적관우k근린측도학습산법적공작주요집중우순구분모형.재가정은함적생성모형이지적정황하,제출료일충통과분석양본적k개근린점적개솔밀도학습측도적방법.실험표명,저충기우류적생성모형가설학습도적국부측도가이유효개선kNN구분모형적성능.
