近邻法参考样本集的最优选择

• 作者: 孙广煜 张鸿宾
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 近邻分类 Tabu搜索 参考样本集
• 年，卷（期）: 2000,（11）
• 所属期刊栏目: 学术论文
• 页码范围: 16-21
• 页数: 6页
• 分类号: TP391
• 字数: 7228字
• 语种: 中文
• DOI: 10.3321/j.issn:0372-2112.2000.11.005

摘要

为克服近邻分类法需要大量计算和存储的缺点,本文利用Tabu搜索来求解满足一定错误率条件的最小参考样本集.当错误率阈值设为0时,可以得到原训练集的一致子集.当错误率阈值设为适当的非零值时,可以较好地克服近邻估计的偏置.通过在Tabu搜索中引入适当的激活(aspiration)条件,避免了在可行和不可行解区间无意义的来回搜索,加快了收敛的速度.实验结果表明,本文算法在压缩比和分类性能上都优于经典的算法.本文还证明了Dasarathy的算法[6]得到的最小一致子集(Minimal Consistent Set:MCS)不是最小的,其MCS也不一定是单调减的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张鸿宾	北京工业大学计算机学院	45	701	16.0	25.0
2	孙广煜	北京工业大学计算机学院	2	100	2.0	2.0