基于KNN模型的层次纠错输出编码算法

被引：5

作者：

辛轶 ^{[1
,2
]}

郭躬德 ^{[1
,2
]}

陈黎飞 ^{[1
,2
]}

黄杰 ^{[1
,2
]}

机构：

[1] 福建师范大学数学与计算机科学学院

[2] 福建师范大学网络安全与密码技术重点实验室

来源：

计算机应用 | 2009年 / 29卷 / 11期

关键词：

层次编码; 多类分类问题; 编码矩阵;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

纠错输出编码是一种解决多类分类问题的有效方法,但其编码矩阵只对类进行编码且都采用事先构造出来的统一形式,适应性较差。为此,提出一种新颖的层次纠错输出编码算法。该算法在训练阶段先通过KNN模型算法在数据集上构建多个同类簇,选取各类中最具代表性的簇形成层次编码矩阵,然后再根据编码矩阵进行单分类器训练。在测试阶段,该算法通过模型融合进一步发挥KNN模型和纠错输出编码各自的优点。在UCI公共数据集上的实验结果表明,新方法的性能优于KNN模型算法和纠错输出编码算法。

引用

页码：3051 / 3055

页数：5

共 5 条

[1] Intravascular Ultrasound Tissue Characterization with Sub-class Error-Correcting Output Codes
Sergio Escalera
Oriol Pujol
Josepa Mauri
Petia Radeva
[J]. Journal of Signal Processing Systems, 2009, 55 : 35 - 47
[2] Using kNN model for automatic text categorization
Guo, GD
Wang, H
Bell, D
Bi, YX
Greer, K
[J]. SOFT COMPUTING, 2006, 10 (05) : 423 - 430
[3] On the Learnability and Design of Output Codes for Multiclass Problems
Koby Crammer
Yoram Singer
[J]. Machine Learning, 2002, 47 : 201 - 233
[4] Distance function learning in error-correcting output coding framework. LUO DI-JUN,XIONG RONG. ICONIP2006:Proceed-ing of the13th International Conference on Neural Information Pro-ceeding . 2006
[5] UCI repository of machine learning databases. http://www.ics.uci.edu/～mlearn/MLRository.html . 2009

← 1 →