基于SVM的特征加权KNN算法

• 作者: 姚正安 李磊 陈振洲
• 来源期刊: 中山大学学报（自然科学版）
• 学科: 工学
• 关键词: 支持向量机 K-近邻算法 距离加权 特征加权
• 年，卷（期）: 2005,（1）
• 页码范围: 17-20
• 页数: 4页
• 分类号: TP301.6
• 字数: 4005字
• 语种: 中文
• DOI: 10.3321/j.issn:0529-6579.2005.01.005

摘要

作为一种非参数的分类算法,K-近邻(KNN)算法是非常有效和容易实现的.它已经广泛应用于分类、回归和模式识别等.在应用KNN算法解决问题的时候,要注意两个方面的问题--样本权重和特征权重.利用SVM来确定特征的权重,提出了基于SVM的特征加权算法(FWKNN,feature weighted KNN).实验表明,在一定的条件下,FWKNN能够极大地提高分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姚正安	中山大学数学与计算科学学院	35	356	9.0	18.0
2	李磊	中山大学软件研究所	117	1028	16.0	29.0
3	陈振洲	中山大学软件研究所	4	110	3.0	4.0