一种序列的加权kNN分类方法

被引：14

作者：

朱明旱 ^{[1
,2
]}

罗大庸 ^{[1
]}

易励群 ^{[3
]}

机构：

[1] 中南大学信息科学与工程学院

[2] 湖南文理学院电气与信息工程学院

[3] 湖南文理学院现代教育技术中心

来源：

电子学报 | 2009年 / 37卷 / 11期

关键词：

加权kNN; 流形; 贝叶斯规则; 序列的加权kNN;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对加权kNN(k-Nearest Neighbor)方法在对样本进行分类时,仅仅只利用了它的k近邻点来进行分类决策的不足,提出了一种序列的加权kNN分类方法.该方法在对某个测试样本进行分类时,除了利用它k近邻点所提供的类别信息外,还有效地利用了前面已分类样本的类别信息,这使得测试样本的分类决策更加合理和有效.在Cohn-Kanade人脸库上进行的表情识别实验表明,在序列样本分类的场合,该方法的分类效果比加权kNN方法更好.

引用

页码：2584 / 2588

页数：5

共 5 条

[1] 无先序条件约束的KNN算法 [J].

孙岩 ;

吕世聘 ;

唐一源 .

小型微型计算机系统, 2008, (04) :682-686

[2] 证据理论k-NN规则中确定相似度参数的新方法 [J].

刘明 ;

袁保宗 ;

唐晓芳 .

电子学报, 2005, (04) :766-768

[3] 基于SVM的特征加权KNN算法 [J].

陈振洲 ;

李磊 ;

姚正安 .

中山大学学报(自然科学版), 2005, (01) :17-20

[4]

模式分类[M]. 机械工业出版社 , (美)RichardO.Duda等著, 2003

[5]

A classifier combining rule induction and k-NN method with automated selection of optimal neighbourhood. G Gora,A Wojna. Proceedings of the Thirteenth European Conference onMachine Learning . 2002

← 1 →