SMwKnn:基于类别子空间距离加权的互k近邻算法

被引：6

作者：

卢伟胜

郭躬德

严宣辉

陈黎飞

机构：

[1] 福建师范大学数学与计算机科学学院

来源：

计算机科学 | 2014年 / 41卷 / 02期

关键词：

类别子空间; 互k最近邻; 距离加权; 子空间;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

摘要：

互k最近邻算法(mKnnc)是k最近邻分类算法(Knn)的一种改进算法,该算法用互k最近邻原则对训练样本以及k最近邻进行噪声消除,从而提高算法的分类效果。然而在利用互k最近邻原则进行噪声消除时,并没有将类别属性考虑进去,因此有可能把真实有效的数据当成噪声消除掉,从而影响分类效果。基于类别子空间距离加权的互k最近邻算法考虑到近邻的距离权重,既能消除冗余或无用属性对最近邻分类算法依赖的相似性度量的影响,又能较好地消除邻居中的噪声点。最后在UCI公共数据集上的实验结果验证了该算法的有效性。

引用

页码：166 / 169

页数：4

共 10 条

[1] 基于区域划分的kNN文本快速分类算法研究
胡元
石冰
[J]. 计算机科学, 2012, 39 (10) : 182 - 186
[2] 基于变精度粗糙集的KNN分类改进算法
余鹰
苗夺谦
刘财辉
王磊
[J]. 模式识别与人工智能, 2012, 25 (04) : 617 - 623
[3] 最近邻分类的多代表点学习算法
陈黎飞
郭躬德
[J]. 模式识别与人工智能, 2011, 24 (06) : 882 - 888
[4] 基于子空间集成的概念漂移数据流分类算法
李南
郭躬德
[J]. 计算机系统应用, 2011, 20 (12) : 240 - 248
[5] 多代表点的子空间分类算法
张健飞
陈黎飞
郭躬德
李南
[J]. 计算机科学与探索, 2011, (11) : 1037 - 1047
[6] 自适应的软子空间聚类算法
陈黎飞
郭躬德
姜青山
[J]. 软件学报, 2010, 21 (10) : 2513 - 2523
[7] 一种采用聚类技术改进的KNN文本分类方法
张孝飞
黄河燕
[J]. 模式识别与人工智能, 2009, 22 (06) : 936 - 940
[8] Noisy data elimination using mutual k -nearest neighbor for classification mining[J] . Huawen Liu,Shichao Zhang.The Journal of Systems & Software . 2011 (5)
[9] A Novel Weighted Voting for K-Nearest Neighbor Rule
Gou, Jianping
Xiong, Taisong
Kuang, Yin
[J]. JOURNAL OF COMPUTERS, 2011, 6 (05) : 833 - 840
[10] Top 10 algorithms in data mining[J] . Xindong Wu,Vipin Kumar,J. Ross Quinlan,Joydeep Ghosh,Qiang Yang,Hiroshi Motoda,Geoffrey J. McLachlan,Angus Ng,Bing Liu,Philip S. Yu,Zhi-Hua Zhou,Michael Steinbach,David J. Hand,Dan Steinberg.Knowledge and Information Systems . 2009 (1)

← 1 →