基于粗糙集的加权KNN数据分类算法

• 作者: 刘继宇 宋浩 张绿云 王强 罗朝晖
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 粗糙集 加权KNN 加权最小距离 属性值约简
• 年，卷（期）: 2015,（10）
• 所属期刊栏目: 人工智能
• 页码范围: 281-286
• 页数: 6页
• 分类号: TP391.4
• 字数: 6755字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2015.10.057

摘要

粗糙集是处理不精确、不确定性问题的基本方法之一.采用粗糙集理论与方法进行数据分析具有不必具备数据集的先验知识、不需人为设定参数等优点,因而它被广泛应用于模式识别与数据挖掘领域.针对粗糙集训练过程中从未遇到过的样本的分类问题进行了探讨,根据条件属性的重要性确定加权系数,采用加权KNN的方法来解决无法与决策规则精确匹配的样本分类问题,并与加权最小距离方法进行了对比实验;同时对其他一些现有的粗糙集值约简算法进行了分析与研究,提出了不同的观点.对UCI多个数据集的大量数据进行了实验,并与近期文献中的多种算法进行了性能对比,实验结果表明,提出的算法的总体效果优于其他算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王强	广西师范大学计算机科学与信息工程学院	53	834	13.0	28.0
2	罗朝晖	广西师范大学计算机科学与信息工程学院	2	19	2.0	2.0
3	刘继宇	广西师范大学计算机科学与信息工程学院	1	12	1.0	1.0
4	宋浩	广西师范大学计算机科学与信息工程学院	1	12	1.0	1.0