一种新的证据K-NN数据分类算法

• 作者: 侯俊 刘准钆 张扬 潘泉
• 来源期刊: 火力与指挥控制
• 学科: 工学
• 关键词: 证据推理 K-NN 置信函数 数据分类 DST
• 年，卷（期）: 2013,（9）
• 所属期刊栏目: 理论研究
• 页码范围: 58-61
• 页数: 4页
• 分类号: TP391
• 字数: 3487字
• 语种: 中文

摘要

K近邻分类算法已被广泛应用于模式识别中.为了有效处理识别问题中的不确定信息并提高数据分类精度,提出了一种新的证据K-NN(NEK-NN)分类算法.首先从总的训练集中随机重复采样来构造多个训练样本子集.在每个训练子集中,利用目标数据与其各个近邻的距离分别构造基本置信指派,并根据K个近邻数据在每个类别中的数目来对构造的置信指派进行加权.然后,利用DS规则对加权证据融合.根据每个训练子集下融合结果的算术平均值来判断目标的类别属性.通过模拟数据集和真实数据集的实验,将NEK-NN算法与其他几种常见的方法做了对比分析,结果表明NEK-NN算法能够有效地提高分类的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘泉	西北工业大学自动化学院	544	9437	45.0	77.0
2	刘准钆	西北工业大学自动化学院	11	323	6.0	11.0
3	张扬	西北工业大学自动化学院	22	63	4.0	6.0
4	侯俊	西北工业大学自动化学院	18	111	6.0	9.0