一种改进的K-近邻分类法

• 作者: 刘赪 牟建波 王丽梅 苏佩娟
• 来源期刊: 西华大学学报(自然科学版)
• 学科: 工学
• 关键词: K-近邻分类法 不平衡样本 有效性 类代表度 样本代表度
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 基础学科
• 页码范围: 93-97
• 页数: 5页
• 分类号: TP181
• 字数: 3626字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-159X.2017.04.015

摘要

介绍现有K-近邻分类法的基本思想和研究现状,并针对此方法在分类各类数据集分布不平衡时容易造成分类精度低的问题作相应的改进.改进的K-近邻分类法中引入类代表度和样本代表度,使得K-近邻分类法在相似度计算时选出的近邻样本更能代表其所在类,从而减小误判率.实验证明改进方法有效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘赪	西南交通大学数学学院统计系	23	44	4.0	5.0
2	王丽梅	西南交通大学数学学院统计系	3	6	2.0	2.0
3	苏佩娟	西南交通大学数学学院统计系	2	7	2.0	2.0
4	牟建波	西南交通大学数学学院统计系	2	5	1.0	2.0