考虑局部均值和类全局信息的快速近邻原型选择算法

• 作者: 李娟 王宇平
• 来源期刊: 自动化学报
• 关键词: 数据分类 原型选择 局部均值 类全局信息 自适应学习
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 论文与报告
• 页码范围: 1116-1125
• 页数: 10页
• 字数: 8773字
• 语种: 中文
• DOI: 10.3724/SP.J.1004.2014.01116

摘要

压缩近邻法是一种简单的非参数原型选择算法，其原型选取易受样本读取序列、异常样本等干扰。为克服上述问题，提出了一个基于局部均值与类全局信息的近邻原型选择方法。该方法既在原型选取过程中，充分利用了待学习样本在原型集中k 个同异类近邻局部均值和类全局信息的知识，又设定原型集更新策略实现对原型集的动态更新。该方法不仅能较好克服读取序列、异常样本对原型选取的影响，降低了原型集规模，而且在保持高分类精度的同时，实现了对数据集的高压缩效应。图像识别及UCI (University of California Irvine)基准数据集实验结果表明，所提出算法集具有较比较算法更有效的分类性能。

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	68	221	9.0	11.0