融合邻域信息的k-近邻分类

PDF下载HTML

Title:

K-nearest neighbor classification algorithm fusing neighborhood information

作者:

林耀进¹, 李进金^1,2, 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 Jinjin^1,2, 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 neighbor; neighborhood information; classification learning; distance measurement; noise 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。