SMwKnn:基于类别子空间距离加权的互k近邻算法

• 作者: 严宣辉 卢伟胜 郭躬德 陈黎飞
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 类别子空间 互k最近邻 距离加权 子空间
• 年，卷（期）: 2014,（2）
• 所属期刊栏目: CCML 2013
• 页码范围: 166-169
• 页数: 4页
• 分类号: TP391
• 字数: 5479字
• 语种: 中文

摘要

互k最近邻算法(mKnnc)是k最近邻分类算法(Knn)的一种改进算法,该算法用互k最近邻原则对训练样本以及k最近邻进行噪声消除,从而提高算法的分类效果.然而在利用互k最近邻原则进行噪声消除时,并没有将类别属性考虑进去,因此有可能把真实有效的数据当成噪声消除掉,从而影响分类效果.基于类别子空间距离加权的互k最近邻算法考虑到近邻的距离权重,既能消除冗余或无用属性对最近邻分类算法依赖的相似性度量的影响,又能较好地消除邻居中的噪声点.最后在UCI公共数据集上的实验结果验证了该算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈黎飞	福建师范大学数学与计算机科学学院	42	344	9.0	17.0
2	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
3	严宣辉	福建师范大学数学与计算机科学学院	34	234	9.0	14.0
4	卢伟胜	福建师范大学数学与计算机科学学院	6	22	2.0	4.0