近邻法参考样本集的最优选择

被引：6

作者：

张鸿宾

孙广煜

机构：

[1] 北京工业大学计算机学院!北京

来源：

电子学报 | 2000年 / 11期

关键词：

近邻分类; Tabu搜索; 参考样本集;

D O I：

暂无

中图分类号：

TP391.4 [模式识别与装置];

学科分类号：

0811 ; 081101 ; 081104 ; 1405 ;

摘要：

为克服近邻分类法需要大量计算和存储的缺点 ,本文利用Tabu搜索来求解满足一定错误率条件的最小参考样本集 .当错误率阈值设为 0时 ,可以得到原训练集的一致子集 .当错误率阈值设为适当的非零值时 ,可以较好地克服近邻估计的偏置 .通过在Tabu搜索中引入适当的激活 (aspiration)条件 ,避免了在可行和不可行解区间无意义的来回搜索 ,加快了收敛的速度 .实验结果表明 ,本文算法在压缩比和分类性能上都优于经典的算法 .本文还证明了Dasarathy的算法[6] 得到的最小一致子集 (MinimalConsistentSet:MCS)不是最小的 ,其MCS也不一定是单调减的

引用

页码：16 / 21

页数：6