万有引力近邻的多视角分类学习

• 作者: 张静 李冬冬 李艳琼 王喆
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 万有引力 近邻策略 多视角学习 不平衡数据 机器学习
• 年，卷（期）: 2019,（17）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 137-142,179
• 页数: 7页
• 分类号: TP39
• 字数: 5396字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1805-0448

摘要

不平衡数据问题对传统的近邻分类器带来了很大的挑战,它的准则函数往往会使测试样本类别偏向于多数类,且参数对数据集有很强的依赖性.基于万有引力的固定半径近邻分类器(GFRNN)算法通过引入万有引力定律的思想,实现了一个针对不平衡数据的无参、高效的分类器,但GFRNN算法仅采用欧氏距离方法来计算半径和候选集.因此,基于GFRNN算法,在算法构造层面上提出了一种多视角学习框架MGFRNN.考虑到距离计算的多样性及所对应候选集的不确定性,在距离的计算中,采用欧式距离、一范数距离和切比雪夫距离三种度量方法,根据三种距离度量方法分别计算候选集半径,并计算候选集中各类样本对测试样本的万有引力大小,从而进行分类.实验结果证明,所提MGFRNN算法在比较算法中具有最高的分类精确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王喆	华东理工大学信息科学与工程学院	18	41	4.0	6.0
3	张静	华东理工大学信息科学与工程学院	20	91	5.0	9.0
4	李艳琼	华东理工大学信息科学与工程学院	1	1	1.0	1.0
8	李冬冬	华东理工大学信息科学与工程学院	7	5	1.0	1.0