最近邻搜索用于分类问题的一种改进

• 作者: 刘红星 王仲宇 王元庆 肇莹
• 来源期刊: 南京大学学报（自然科学版）
• 学科: 工学
• 关键词: 模式识别 分类 最近邻法
• 年，卷（期）: 2009,（4）
• 所属期刊栏目: 智能信息处理专栏
• 页码范围: 455-462
• 页数: 8页
• 分类号: TP18
• 字数: 5566字
• 语种: 中文
• DOI: 10.3321/j.issn:0469-5097.2009.04.004

摘要

最近邻搜索广泛应用于分类问题,其最显著的优点是分类准确率高、泛化性能好.但现有最近邻分类算法都存在着一个弱点--样本集增大分类计算量也显著增大.为了克服这一不足,本文基于一个新的思路,提出了最近邻分类方法的一种改进方法.该方法在进行最近邻分类时,不一定要找到待分类点的最近邻点,而只要知道最近邻点的类别即可,大大地减少了最近邻搜索时的计算量.用经典的分类问题双螺线问题(TSP)以及其他几个例子,就该改进方法的分类效果、分类速度和学习性能等3个方面进行了测试,并与经典的K维双义树(KD树)最近邻搜索法以及压缩近邻法进行了比较.结果表明,就综合性能而青,本文改进方法是有竞争力的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王元庆	南京大学电子科学与工程系	104	1040	17.0	27.0
2	肇莹	南京大学电子科学与工程系	11	84	5.0	9.0
3	刘红星	南京大学电子科学与工程系	43	399	13.0	18.0
4	王仲宇	南京大学电子科学与工程系	3	30	2.0	3.0