基于CURE聚类算法改进的原型选择算法

• 作者: 孙元元 张德生 张晓
• 来源期刊: 计算机系统应用
• 关键词: K近邻分类器 原型选择 共享邻居密度 CURE层次聚类 代表点
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 162-169
• 页数: 8页
• 字数: 6290字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007009

摘要

针对传统K近邻分类器在大规模数据集中存在时间和空间复杂度过高的问题,可采取原型选择的方法进行处理,即从原始数据集中挑选出代表原型(样例)进行K近邻分类而不降低其分类准确率.本文在CURE聚类算法的基础上,针对CURE的噪声点不易确定及代表点分散性差的特点,利用共享邻居密度度量给出了一种去噪方法和使用最大最小距离选取代表点进行改进,从而提出了一种新的原型选择算法PSCURE(improved prototype selection algorithm based on CURE algorithm).基于UCI数据集进行实验,结果表明:提出的PSCURE原型选择算法与相关原型算法相比,不仅能筛选出较少的原型,而且可获得较高的分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张德生	西安理工大学理学院	75	547	15.0	18.0
2	张晓	西安理工大学理学院	13	69	5.0	8.0
3	孙元元	西安理工大学理学院	1	0	0.0	0.0