[1]林耀进,李进金,陈锦坤,等.融合邻域信息的k-近邻分类[J].智能系统学报,2014,9(02):240-243.[doi:10.3969/j.issn.1673-4785.201307015]
 LIN Yaojin,LI Jinjin,CHEN Jinkun,et al.K-nearest neighbor classification algorithm fusing neighborhood information[J].CAAI Transactions on Intelligent Systems,2014,9(02):240-243.[doi:10.3969/j.issn.1673-4785.201307015]
点击复制

融合邻域信息的k-近邻分类(/HTML)
分享到:

《智能系统学报》[ISSN:1673-4785/CN:23-1538/TP]

卷:
第9卷
期数:
2014年02期
页码:
240-243
栏目:
出版日期:
2014-04-25

文章信息/Info

Title:
K-nearest neighbor classification algorithm fusing neighborhood information
作者:
林耀进1 李进金12 陈锦坤2 马周明2
1. 闽南师范大学 计算机科学与工程系, 福建 漳州 363000;
2. 闽南师范大学 数学与统计学院, 福建 漳州 363000
Author(s):
LIN Yaojin1 LI Jinjin12 CHEN Jinkun2 MA Zhouming2
1. Department of Computer Science and Engineering, Zhangzhou 363000, China;
2. School of Mathematics and Statistics, Zhangzhou 363000, China
关键词:
k-近邻邻域信息分类学习距离测量噪音干扰
Keywords:
k-nearest neighborneighborhood informationclassification learningdistance measurementnoise disturbance
分类号:
TP181
DOI:
10.3969/j.issn.1673-4785.201307015
摘要:
距离度量是影响k-近邻(KNN)法分类精度的重要因素之一。提出一种融合邻域信息的k-近邻算法。首先,定义了样本邻域的概念,并根据邻域的影响提出2条相应准则;然后,在计算测试样本与训练样本的距离时,综合考虑了样本邻域所带来的影响。该算法不仅可以更加精确地刻画样本之间的距离,而且一定程度上增强了KNN的稳定性。该方法在UCI标准数据集上进行了测试,结果表明,性能优于或与其他相关的分类器相当, 并且在噪声扰动下具有较强的鲁棒性。

相似文献/References:

[1]严远亭,吴亚亚,赵姝,等.构造性覆盖下不完整数据修正填充方法[J].智能系统学报,2019,14(06):1225.[doi:10.11992/tis.201906015]
 YAN Yuanting,WU Yaya,ZHAO Shu,et al.Improving missing data recovery with a constructive covering algorithm[J].CAAI Transactions on Intelligent Systems,2019,14(02):1225.[doi:10.11992/tis.201906015]

备注/Memo

备注/Memo:
收稿日期:2013-06-22。
基金项目:国家自然科学基金资助项目(61303131,61379021);福建省自然科学基金资助项目(2013J01028,2012D141);福建省A类科技资助项目(JA12220)
作者简介:李进金,男,1960年生,教授,博士生导师,主要研究方向为粗糙集理论及应用。
通讯作者:林耀进,男,1980年生,讲师,主要研究方向为数据挖掘、粒计算。E-mail:zzlinyaojin@163.com.
更新日期/Last Update: 1900-01-01