基于样本空间分解的kNN分类器设计原理

• 作者: 张成 徐涛 李元 逄玉俊
• 来源期刊: 辽宁工程技术大学学报（自然科学版）
• 学科: 工学
• 关键词: 数据挖掘 kNN分类器 大数据 样本空间分解 模式识别
• 年，卷（期）: 2017,（11）
• 页码范围: 1218-1223
• 页数: 6页
• 分类号: TP181
• 语种: 中文
• DOI: 10.11956/j.issn.1008-0562.2017.11.019

摘要

针对kNN分类器在海量数据集中搜索k近邻计算复杂、耗时长、存储空间大等缺点,提出以单元属性赋值为基础的分类器设计原理和实施方案.分类器将待分类点映射到其所在单元,对待识别单元内的点在其相应窗口内生成k近邻集,并按kNN准则做出类属决策或拒绝决策.对某类样本占明显优势属性单元内的点直接按该类做出类属决策;对具有与给定样本集弱关联以及任一类样本不占优势属性单元内的点和待识型单元内可拒绝决策点给出相应处理办法.同时,对提高分类速度和精度,解决单元分割问题,选定有关参数,估计错分率等进行讨论并提出相应对策.通过仿真实验,与kNN分类器对比分析,进一步证明本文方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	逄玉俊		24	103	6.0	8.0
2	徐涛		17	27	4.0	4.0
3	张成		57	159	6.0	10.0
4	李元		122	550	12.0	18.0