基于最佳距离度量的两层最近邻分类算法

被引：3

作者：

崔宾阁

庄仲杰

机构：

[1] 山东科技大学信息科学与工程学院

来源：

山东科技大学学报(自然科学版) | 2015年 / 34卷 / 03期

关键词：

距离度量; k-最近邻算法; 噪声数据; 分类; 错误率;

D O I：

10.16452/j.cnki.sdkjzk.20150619.008

中图分类号：

TP301.6 [算法理论];

学科分类号：

摘要：

两层最近邻(TLNN)分类算法通过在有限训练样本条件下最小化错误率的平均绝对误差,能够产生比k-最近邻(kNN)算法更好的分类结果,但其精度易受噪声影响。针对这个问题,提出一种基于最佳距离度量的两层最近邻分类算法(ODM-TLNN),提高对噪声数据的鲁棒性。算法分为两层,下层使用最佳距离度量来确定一个未标记样本的局部子空间,上层采用AdaBoost在子空间进行信息提取。基于UCI数据集的实验结果表明,该算法能充分降低分类错误率,并且在噪声数据下具有较好的稳定性。

引用

页码：20 / 27

页数：8

共 12 条

[1] 融合邻域信息的k-近邻分类
林耀进
李进金
陈锦坤
马周明
[J]. 智能系统学报, 2014, 9 (02) : 240 - 243
[2] "An efficient algorithm for local distance metriclearning". L. Yang,R. Jin,R. Sukthankar. National Conference onArtificial Intelligence . 2006
[3] Neighborhood components analysis. GOLDBERGER J,ROWEIS S,HINTON G,et al. Advances in Neural Networks . 2005
[4] A novel two-level nearest neighbor classification algorithm using an adaptive distance metric[J] . Yunlong Gao,Jinyan Pan,Guoli Ji,Zijiang Yang. &nbspKnowledge-Based Systems . 2011
[5] 稀疏条件下的两层分类算法
仝伯兵
王士同
梅向东
[J]. 智能系统学报, 2015, 10 (01) : 27 - 36
[6] Adaptive nearest neighbor clas-sification using support vector machines. DOMENICONI C,GUNOPULOS D. Advances in Neural In-formation Processing Systems . 2002
[7] A decision-theoretic generalization of on-line learning and an application to boosting
Freund, Y
Schapire, RE
[J]. JOURNAL OF COMPUTER AND SYSTEM SCIENCES, 1997, 55 (01) : 119 - 139
[8] SMwKnn:基于类别子空间距离加权的互k近邻算法
卢伟胜
郭躬德
严宣辉
陈黎飞
[J]. 计算机科学, 2014, 41 (02) : 166 - 169
[9] 基于马氏距离度量的局部线性嵌入算法
张兴福
黄少滨
[J]. 模式识别与人工智能, 2012, 25 (02) : 318 - 324
[10] 模式识别[M]. 清华大学出版社 , 边肇祺等编著, 2000

← 1 2 →