一种新的基于距离加权的模板约简K近邻算法

被引：13

作者：

杨金福

宋敏

李明爱

机构：

[1] 北京工业大学电子信息与控制工程学院

来源：

电子与信息学报 | 2011年 / 33卷 / 10期

基金：

北京市自然科学基金;

关键词：

模式识别; 距离加权; 模板约简; K近邻(KNN);

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：

作为一种非参数的分类算法,K近邻(KNN)算法简单有效并且易于实现。但传统的KNN算法认为所有的近邻样本贡献相等,这就使得算法容易受到噪声的干扰,同时对于大的数据集,KNN的计算代价非常大。针对上述问题,该文提出了一种新的基于距离加权的模板约简K近邻算法(TWKNN)。利用模板约简技术,将训练集中远离分类边界的样本去掉,同时按照各个近邻与待测样本的距离为K个近邻赋予不同的权值,增强了算法的鲁棒性。实验结果表明,该方法可以有效地减少训练样本数目,同时还能保持传统KNN的分类精度。

引用

页码：2378 / 2383

页数：6

共 5 条

[1] Optimized algorithms for predictive range and KNN queries on moving objects [J].

Zhang, Rui ;

Jagadish, H. V. ;

Dai, Bing Tian ;

Ramamohanarao, Kotagiri .

INFORMATION SYSTEMS, 2010, 35 (08) :911-932

[2] Noise reduction for instance-based learning with a local maximal margin approach [J].

Segata, Nicola ;

Blanzieri, Enrico ;

Delany, Sarah Jane ;

Cunningham, Padraig .

JOURNAL OF INTELLIGENT INFORMATION SYSTEMS, 2010, 35 (02) :301-331

[3] Efficiency analysis of KNN and minimum distance-based classifiers in enzyme family prediction [J].

Nasibov, Efendi ;

Kandemir-Cavas, Cagin .

COMPUTATIONAL BIOLOGY AND CHEMISTRY, 2009, 33 (06) :461-464

[4] Reduction techniques for instance-based learning algorithms [J].

Wilson, DR ;

Martinez, TR .

MACHINE LEARNING, 2000, 38 (03) :257-286

[5]

K nearest neighbor queriesand kNN-joins in large relational databases (almost)for free .2 Yao Bin,Li Fei Fei,Kumar P. IEEE 26th International Conference on Data Engineering (ICDE) . 2010

← 1 →