一种新的基于距离加权的模板约简K近邻算法

• 作者: 宋敏 李明爱 杨金福
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 模式识别 距离加权 模板约简 K近邻(KNN)
• 年，卷（期）: 2011,（10）
• 所属期刊栏目: 论文
• 页码范围: 2378-2383
• 分类号: TP181
• 字数: 5649字
• 语种: 中文
• DOI: 10.3724/SP.J.1146.2011.00051

摘要

作为一种非参数的分类算法,K近邻(KNN)算法简单有效并且易于实现.但传统的KNN算法认为所有的近邻样本贡献相等,这就使得算法容易受到噪声的干扰,同时对于大的数据集,KNN的计算代价非常大.针对上述问题,该文提出了一种新的基于距离加权的模板约简K近邻算法(TWKNN).利用模板约简技术,将训练集中远离分类边界的样本去掉,同时按照各个近邻与待测样本的距离为K个近邻赋予不同的权值,增强了算法的鲁棒性.实验结果表明,该方法可以有效地减少训练样本数目,同时还能保持传统KNN的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李明爱	北京工业大学电子信息与控制工程学院	35	413	10.0	19.0
2	杨金福	北京工业大学电子信息与控制工程学院	28	315	9.0	17.0
3	宋敏	北京工业大学电子信息与控制工程学院	1	35	1.0	1.0