基于 RSKNN 分类改进算法

• 作者: 兰天 郭躬德
• 来源期刊: 计算机系统应用
• 关键词: 变精度粗糙集 类别上 下近似 互K近邻 类别子空间
• 年，卷（期）: 2013,（12）
• 页码范围: 85-92
• 页数: 8页
• 字数: 7635字
• 语种: 中文

摘要

RSKNN 算法是 K 近邻算法的一种改进算法,该算法基于变精度粗糙集理论,能在保证一定分类精度的前提下,有效地降低分类样本的计算量,并且提高计算效率和分类精度。由于 RSKNN 算法对属性的依赖度较高,在分类时容易受到伪近邻的影响,导致 RSKNN 算法的分类精度受到一定程度的影响。针对存在问题,本文提出一种新颖的基于 RSKNN 算法的改进算法 SMwRSKNN,该算法在 RSKNN 算法的基础上引入类别子空间的思想,以降低冗余属性和伪近邻对分类的影响。在 UCI 公共数据集上的实验结果表明, SMwRSKNN 算法比 RSKNN 算法具有更高的分类精度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭躬德	福建师范大学数学与计算机科学学院	74	600	12.0	22.0
5	兰天	福建师范大学数学与计算机科学学院	8	7	2.0	2.0