基于分类贡献有效值的增量KNN模型修剪研究

• 作者: 刘晋胜 周靖
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: K近邻分类 分类贡献有效值 增量学习
• 年，卷（期）: 2012,（3）
• 所属期刊栏目: 图形、图像、模式识别
• 页码范围: 185-188
• 分类号: TP301
• 字数: 5757字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2012.03.055

摘要

增量学习的效果直接影响到KNN的效率和准确率.提出基于分类贡献有效值的增量KNN修剪模型(C2EV-KNNMODEL),将特征参数的分类贡献度与KNN增量学习结合起来,定义一种新的训练样本的贡献有效值,并根据此定义制定训练集模型的修剪策略.理论和实验表明,C2EV-KNNMODEL的适用性较强,能够使分类器的分类性能得到极大的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘晋胜	广东石油化工学院计算机与电子信息学院	27	90	4.0	8.0
2	周靖	广东石油化工学院计算机与电子信息学院	22	86	5.0	8.0