Kernel-kNN:基于信息能度量的核k-最近邻算法

• 作者: 刘松华 张军英 许进 贾宏恩
• 来源期刊: 自动化学报
• 关键词: 距离度量 非线性变换 k-最近邻(k-NN) 核方法
• 年，卷（期）: 2010,（12）
• 页码范围: 1681-1688
• 页数: 8页
• 语种: 中文
• DOI: 10.3724/SP.J.1004.2010.01681

摘要

提出一种核k最近邻算法.首先给出用于最近邻学习的信息能度量方法,该方法克服了高维数据不便于用传统距离度量表示的困难,提高了数据间类别相似性和距离的一致性.在此基础上,将传统的kNN扩展为非线性形式,并采用半正定规划学习全局最优的度量矩阵.算法主要特点是:能较好地适用于高维数据,并有效提升kNN的分类性能.多个数据集的实验和分析表明,本文的Kernel-kNN算法与传统的kNN算法比较,在低维数据上,分类准确率相当;在高维数据上,分类性能有明显提高.