基于聚类改进的Fisher与KNN判别分类算法对比研究

• 作者: 朱景福 李芳 鹿保鑫
• 来源期刊: 安徽农业科学
• 学科: 农学
• 关键词: 聚类 Fisher判别 KNN判别 算法对比
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 农业经济·农业信息
• 页码范围: 250-252,257
• 页数: 4页
• 分类号: S126
• 字数: 2772字
• 语种: 中文
• DOI: 10.3969/j.issn.0517-6611.2019.01.073

摘要

大米中矿物元素种类多(38种),为了快速、准确地筛选出判别大米产地的有效指标,在分析大米矿物元素含量相关性的基础上,进行了大米产地判别分类算法对比实验.首先通过R型聚类方法将大米矿物元素样本进行分块,然后从每一类中选取数据再进行Fisher与KNN判别分类对比,这样可以改进传统算法中剪辑样本带来的判别误差,又大大降低了无效的计算量.实验表明,基于聚类选出一种元素最优组合方案,采用23种矿物元素进行Fisher判别的分类率达86.76％,此方法准确高效地降低了计算机的运算量,提高了判别分类速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	鹿保鑫	黑龙江八一农垦大学电气与信息学院	117	481	11.0	15.0
2	李芳	黑龙江八一农垦大学电气与信息学院	8	13	2.0	3.0
3	朱景福	广东石油化工学院理学院	2	2	1.0	1.0