基于KNN和RVM的分类方法——KNN-RVM分类器

被引：19

作者：

张磊

刘建伟

罗雄麟

机构：

[1] 中国石油大学自动化研究所

来源：

模式识别与人工智能 | 2010年 / 23卷 / 03期

关键词：

相关向量机(RVM); K近邻(KNN); 临界滑动阈值; 分类; 核参数;

D O I：

10.16451/j.cnki.issn1003-6059.2010.03.018

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

摘要：

针对相关向量机(RVM)算法分类精度低、核参数选择困难等问题,文中提出临界滑动阈值的概念并以其为基础将RVM与K近邻(KNN)算法结合构建分类器——KNN-RVM分类器.从理论上提出并证明KNN-RVM分类过程等价于带软间隔约束的支持向量机的分类过程、KNN-RVM分类器等价于每类只选一个代表点的1-NN分类器、KNN-RVM分类效果优于RVM这3个结论.对这3个不同数据集进行实验证明临界滑动阈值的临界性与滑动性及KNN-RVM分类器的准确性、适应性及全局最优性,提高分类精度,减轻算法对核参数的依赖性,进而证明KNN-RVM分类器是一种有效的分类器.

引用

页码：376 / 384

页数：9