Finsler度量在KNN算法中的应用研究

• 作者: 何书萍 李凡长 陈明
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: K近邻(KNN) Finsler度量 手写体识别
• 年，卷（期）: 2011,（11）
• 所属期刊栏目: 学术研究
• 页码范围: 1021-1026
• 分类号: TP311
• 字数: 3959字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.2011.11.007

摘要

为了克服传统K近邻(K nearest neighbor,KNN)算法在距离定义上的不足,提出了一种基于Finsler 度量的KNN算法(Finsler metric KNN,FMKNN).该算法将样本点间的距离定义为Finsler度量,保留了样本属性对样本间距离度量的影响,使得样本点间的距离度量更具一般性.在手写体数据集上的实验表明,FMKNN算法的分类准确率高于传统KNN算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李凡长	苏州大学计算机科学与技术学院	136	774	15.0	18.0
2	陈明	苏州大学计算机科学与技术学院	55	267	10.0	13.0
3	何书萍	苏州大学计算机科学与技术学院	15	54	4.0	6.0