面向多类学习问题的核最近表面分类方法

被引：2

作者：

殷士勇

机构：

[1] 盐城纺织职业技术学院机电工程系

来源：

宁夏大学学报(自然科学版) | 2011年 / 32卷 / 04期

关键词：

核最近表面分类; 机器学习; 近邻法; 聚类;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

140502 [人工智能];

摘要：

虽然最邻近决策规则能很好地解决数据集的非线性和非平衡性问题,但其没有学习过程.在此基础上,提出了一种利用聚类方法来浓缩训练样本,再根据最近邻准则进行决策的方法——核最近表面分类方法.通过实验将其与几种常用的统计分类方法进行对比,结果表明,核最近表面分类方法具有决策速度快、存储空间需求小等优点,同时也能够很好地处理非平衡数据集的分类问题.

引用

收藏

页码：341 / 345

页数：5

相关论文

共 13 条

[1]

AN ALGORITHM TO GENERATE RADIAL BASIS FUNCTION (RBF)-LIKE NETS FOR CLASSIFICATION PROBLEMS [J].

ROY, A ;

GOVIL, S ;

MIRANDA, R .

NEURAL NETWORKS, 1995, 8 (02) :179-201

[2]

基于样本投影分布的平衡不平衡数据集分类 [J].

文传军 ;

詹永照 .

计算机应用研究, 2009, 26 (08) :3131-3133+3158

[3]

支持向量机训练及分类算法研究 [J].

方辉 ;

艾青 .

大庆师范学院学报, 2009, 29 (03) :85-88

[4]

粗糙支持向量机 [J].

梁宏霞 ;

闫德勤 .

计算机科学, 2009, 36 (04) :208-210

[5]

一种改进的支持向量机及其应用 [J].

欧卫华 ;

刘建国 ;

孙勇 .

计算技术与自动化, 2009, 28 (01) :127-130

[6]

不平衡数据分类方法综述 [J].

杨明 ;

尹军梅 ;

吉根林 .

南京师范大学学报(工程技术版), 2008, (04) :7-12

[7]

一种核Fisher判别分析的快速算法 [J].

赵峰 ;

张军英 ;

梁军利 .

电子与信息学报, 2007, (07) :1731-1734

[8]

基于样本分布不平衡的近似支持向量机 [J].

陶晓燕 ;

姬红兵 ;

马志强 .

计算机科学, 2007, (05) :174-176

[9]

关于改进的支持向量机的研究 [J].

吴娟 ;

范玉妹 ;

王丽 .

攀枝花学院学报, 2006, (05) :102-105

[10]

非平衡数据集Fisher线性判别模型 [J].

谢纪刚 ;

裘正定 .

北京交通大学学报, 2006, (05) :15-18