多代表点的子空间分类算法

• 作者: 张健飞 李南 郭躬德 陈黎飞
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 投影 子空间 多代表点 分类模型
• 年，卷（期）: 2011,（11）
• 所属期刊栏目: 学术研究
• 页码范围: 1037-1047
• 分类号: TP311
• 字数: 8223字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.2011.11.009

摘要

多代表点近邻分类克服了传统近邻分类算法的缺点,使用以代表点为中心的模型簇构造分类模型并自动确定近邻数目.此类算法在不同类别的样本存在大量重叠时将导致模型簇数量增大,造成预测精度下降.提出了一种多代表点的子空间分类算法,将不同类别的训练样本投影到多个不同的子空间,使用子空间模型簇构造分类模型,有效分隔了不同类别样本在全空间中重叠的区域,以提高分类性能.与传统的kNN(k nearest neighbor)、kNNModel、SVM(support vector machine)等分类算法的实验对比结果表明,新方法可以对复杂类别结构数据进行有效分类,且较好地提高了分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈黎飞	福建师范大学数学与计算机科学学院	42	344	9.0	17.0
2	郭躬德	福建师范大学数学与计算机科学学院	74	600	12.0	22.0
3	李南	福建师范大学数学与计算机科学学院	3	18	3.0	3.0
4	张健飞	福建师范大学数学与计算机科学学院	2	12	2.0	2.0