基于稀疏学习的自适应近邻分类算法

• 作者: 宗鸣 朱永华 程德波 苏毅娟
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 稀疏学习 重构技术 数据驱动 l1-范数 邻域
• 年，卷（期）: 2015,（7）
• 所属期刊栏目: 智能技术
• 页码范围: 1912-1916
• 页数: 5页
• 分类号: TP181
• 字数: 3987字
• 语种: 中文
• DOI: 10.16208/j.issn1000-7024.2015.07.045

摘要

为解决k‐NN算法中固定k的选定问题，引入稀疏学习和重构技术用于最近邻分类，通过数据驱动（data‐driven）获得k值，不需人为设定。由于样本之间存在相关性，用训练样本重构所有测试样本，生成重构系数矩阵，用 l1‐范数稀疏重构系数矩阵，使每个测试样本用它邻域内最近的k （不定值）个训练样本来重构，解决k‐NN算法对每个待分类样本都用同一个k值进行分类造成的分类不准确问题。UCI数据集上的实验结果表明，在分类时，改良k‐NN算法比经典k‐NN算法效果要好。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	苏毅娟	广西师范学院计算机与信息工程学院	27	129	7.0	10.0
2	程德波	广西师范大学计算机科学与信息工程学院	10	92	5.0	9.0
3	宗鸣	广西师范大学计算机科学与信息工程学院	5	71	5.0	5.0
4	朱永华	广西大学计算机与电子信息学院	6	33	5.0	5.0