基于小样本集弱学习规则的KNN分类算法

• 作者: 冷明伟 谭国律 陈晓云
• 来源期刊: 计算机应用研究
• 关键词: 机器学习 K-最近邻分类 小样本集 标签数据 弱学习规则
• 年，卷（期）: 2011,（3）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 915-917
• 分类号: TP181|TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2011.03.034

摘要

KNN及其改进算法使用类标号已知的数据集Dl对类标号未知的数据集Du进行类别标志,如果Dl中的数据数量过少,将会影响最后的分类精度.基于小样本弱学习规则的KNN分类算法旨在提高基于小样本集的KNN算法的分类精度,它首先对Dl中的数据对象进行学习,从中选取一些数据,利用学到的标签知识对其进行类别标号,然后将其加入到Dl中;最后利用扩展后的Dl时Du中的数据对象进行类别标志.通过使用标准数据集的测试发现,该算法能够提高KNN的分类精度,取得了较满意的结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈晓云	兰州大学信息科学与工程学院	33	219	8.0	13.0
2	冷明伟	上饶师范学院数学与计算机学院	9	64	5.0	8.0
4	谭国律	上饶师范学院数学与计算机学院	26	106	6.0	8.0