基于维样本近邻区间的分类算法研究

• 作者: 李娟 王宇平
• 来源期刊: 华中科技大学学报：自然科学版
• 学科: 工学
• 关键词: 最近邻算法 类维样本 维近邻区间 维相似度 分类
• 年，卷（期）: 2012,（12）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 39-43
• 分类号: TP301.6
• 语种: 中文

摘要

针对传统KNN算法忽略样本分布对分类的影响,易受到孤立样本、噪音等干扰,时间代价大等问题,提出了一种改进的近邻分类算法.该算法首先采用类维样本存储,打破了样本的整体性,转换了训练样本存储模式;其次按类维度寻求未知样本的类维近邻域,计算类维相似度进而得到未知样本的类别相似度;最后以最大类别相似度标识未知样本.该算法提高了分类效率,降低了独立样本对样本分类的影响.同时可处理连续型和标识型样本分类,并可适应各类样本分布情况,扩大了算法的应用范围.实验结果表明,该算法较传统的近邻算法与邻域分类算法在分类精度与分类时间上有了较大提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王宇平	西安电子科技大学计算机学院	128	1633	22.0	34.0
2	李娟	西安电子科技大学计算机学院	19	72	5.0	7.0