基于小样本集弱学习规则的KNN分类算法

被引：8

作者：

冷明伟 ^{[1
,2
]}

陈晓云 ^{[2
]}

谭国律 ^{[1
]}

机构：

[1] 上饶师范学院数学与计算机学院

[2] 兰州大学信息科学与工程学院

来源：

计算机应用研究 | 2011年 / 28卷 / 03期

关键词：

机器学习; K-最近邻分类; 小样本集; 标签数据; 弱学习规则;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

KNN及其改进算法使用类标号已知的数据集Dl对类标号未知的数据集Du进行类别标志,如果Dl中的数据数量过少,将会影响最后的分类精度。基于小样本弱学习规则的KNN分类算法旨在提高基于小样本集的KNN算法的分类精度,它首先对Dl中的数据对象进行学习,从中选取一些数据,利用学到的标签知识对其进行类别标号,然后将其加入到Dl中;最后利用扩展后的Dl对Du中的数据对象进行类别标志。通过使用标准数据集的测试发现,该算法能够提高KNN的分类精度,取得了较满意的结果。

引用

页码：915 / 917

页数：3