基于TBM的自适应模糊k-NN分类器

• 作者: 付雪峰 刘邱云 吴根秀
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 可传递信度模型 自适应 k-NN分类器 pignistic概率 梯度下降
• 年，卷（期）: 2009,（16）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 183-185,188
• 页数: 4页
• 分类号: TP18
• 字数: 4010字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2009.16.066

摘要

针对训练模式类标签不精确的识别问题,提出基于可传递信度模型的自适应模糊 k-NN(k-Nearest Neighbor)分类器.利用可传递信度模型结合模糊集理论和可能性理论并运用pignistic变换,对待识别模式真正所属的类做出决策.采用梯度下降最小化误差函数,以实现参数的自适应学习.实验结果表明,该分类器误分类率低、鲁棒性强.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴根秀	江西师范大学数学与信息科学学院	56	251	7.0	12.0
2	刘邱云	江西师范大学数学与信息科学学院	15	37	3.0	5.0
3	付雪峰	南昌工程学院计算机科学与技术系	18	120	5.0	10.0