一种新颖的基于马氏距离的KNN分类算法

• 作者: 曾俊杰 王晓明
• 来源期刊: 现代计算机（普及版）
• 关键词: K近邻 局部保持投影 马氏距离
• 年，卷（期）: 2014,（11）
• 所属期刊栏目: 研究与开发
• 页码范围: 7-12
• 页数: 6页
• 字数: 4367字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-1423.2014.32.002

摘要

K近邻作为模式识别研究领域的热点之一,影响其性能的距离度量也得到广泛关注.但传统KNN采用欧氏距离,平等对待所有特征间的差别,不能有效反映数据的内在结构特征.针对此问题,借鉴局部保持投影的基本思想,根据局部保持散度矩阵定义一种距离度量新方法,利用该距离度量提出一种新颖的基于马氏距离的KNN算法.该算法在基于马氏距离分布特征的方式上充分反映每一类数据的内在结构特征.实验结果表明,与传统KNN和基于马氏距离的KNN相比,该算法表现出更好的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曾俊杰	西华大学数学与计算机学院	3	6	2.0	2.0
2	王晓明	西华大学数学与计算机学院	20	21	3.0	3.0