可拓K近邻算法在数据聚类分析中的应用

针对区间值数据的数据聚类问题,根据可拓学关联函数的定义,提出可拓距离的概念来度量数据之间的距离,利用K近邻的思想,根据可拓距离的大小对数据集的目标属性进行投票选择进行分类,设计了可拓K近邻算法（Extension K Nearest Neighbor,EKNN）。最后利用UCI的两个基准数据集Iris植物样本数据和糖尿病数据库PIDD进行验证,首先通过免疫网络约简算法对条件属性进行最小属性约简,然后利用EKNN算法分析和比较不同最小约简属性下的分类准确率。     

基于粗糙分类的不确定可拓群决策数据挖掘及应用

针对可拓分类的不足及分类中存在的不确定性,将关联函数与决策函数相结合,研究不确定条件下可拓群决策的可拓变换与粗糙分类、属性约简与规则提取、数据分析与方案识别,以实现决策对象在不确定条件下的比较与选择;解决了多方案可拓分类和动态识别的系统分类问题,提高了可拓群决策数据挖掘的准确性和可信度.     

一种基于密度的大边界最近邻文本分类方法

距离的度量方法是影响K近邻分类算法的最重要因素,普通的欧式距离度量方法只对数值敏感无法反映数据内部的关联,对此在K近邻文本分类中引入一种大边界最近邻(LMNN)距离度量学习算法,并针对此算法会加剧数据密度分布不均的情况,提出一种改进的基于样本密度的大边界最近邻文本分类算法(DLMNNC)。该算法首先利用LMNN完成对样本集的训练得到映射矩阵L对原数据空间进行重构,然后为了解决LMNN算法可能会加剧样本分布不均匀的问题定义一个密度函数D,最后用密度函数结合K近邻决策条件,实现文本分类。实验证明DLMNNC在很大程度上提高了文本分类精度。     

可拓模式判别模型及其应用

针对事物可拓状态的识别问题,提出了一种可拓模式判别模型.首先,给出了可拓模式判别的定义;然后,分析了论域的静态划分与动态划分特性;其次,设计出可拓模式判别的一般框架,并给出了对判别结论进行质变与量变的量化处理公式;最后,利用提出的方案对实例的一般状态及可拓状态进行了判别.实验结果表明了该方案对对象可拓状态表达、分析与判别的可行性.模型能够有效地解决传统可拓模式分类器所无法解决的可拓性与状态变换的判别问题.     

基于K近邻决策边界的特征提取

为了提高特征的分类性能,提出一种基于K近邻的决策边界分析(KNN-DBA)算法.该算法的决策边界由K近邻分类器决定,提取的特征维数不受类别数的限制,算法简单且速度快.在手写数字样本集USPS和UCI中的PenDigits上用最近邻分类器和支持向量机(SVM)对决策边界分析进行验证,实验结果表明KNN-DBA识别性能优于主成分分析和基于SVM的决策边界分析.     

采用聚类算法优化的K近邻协同过滤算法

协同过滤推荐是电子商务系统最重要的技术之一,而协同过滤技术中一种被广泛使用的算法就是基于用户评分相似度的K近邻算法.该算法简单有效,易于实现.但K近邻算法在决定待预测样本的预测评分时,并未考虑这K个最近邻与其隶属类别的关联程度.作为评分矩阵中的不同样本,由于它们对分类贡献各不相同,因此在评分预测时需要区别对待.本文采用中心聚类算法,先求出各样本与其所属类别的类别关联度,再利用类别关联度来区别对待待预测样本的K个最近邻.通过实验证明,优化后的K近邻算法能较好的提高推荐精度.     

基于最近邻距离权重的ML-KNN算法

在大数据环境下,K近邻多标签算法（ML-KNN）高时间复杂度的问题显得尤为突出;此外,ML-KNN也没有考虑◢k◣个近邻对最终分类结果的影响。针对上述问题进行研究,首先将训练集进行聚类,再为测试集找到一个距离其最近的训练数据簇作为新的训练数据集;然后计算最近邻样本的距离权重,并用该权重描述最近邻和其他近邻对预测结果的影响;最后使用新的目标函数为待测样本分类。通过在图片、Web页面文本数据等数据集上的实验表明,所提算法得到了更好的分类结果,并且大大降低了时间复杂度。     

精神疲劳识别的可拓模型与策略生成

精神疲劳识别中普遍存在着方法的侵扰性、实时性与识别准确率之间相矛盾的问题.为此,引入可拓理论和方法来建立问题的可拓模型,针对矛盾主体建立关联函数和策略优度函数.结合领域知识,通过拓展分析、可拓变换对矛盾进行转化,生成多种同时满足非侵扰性、实时性和识别准确率的特征和识别策略,并对策略优度进行计算和分析.实验研究验证了本方法的有效性.本研究为计算机模拟人类思维进行算法研究和创新奠定了基础.     

核最近邻凸包分类算法

为了增强最近邻凸包分类器的非线性分类能力,提出了基于核函数方法的最近邻凸包分类算法。该算法首先利用核函数方法将输入空间映射到高维特征空间,然后在高维特征空间采用最近邻凸包分类器对样本进行分类。最近邻凸包分类器是一类以测试点到各类别凸包的距离为相似性度量,并按最近邻原则归类的分类算法。人脸识别实验结果证实,这种核函数方法与最近邻凸包分类算法的融合是可行的和有效的。     

基于可拓分类器的高分辨率遥感影像分类

可拓学作为一种新的人工智能方法,在遥感图像智能分类研究中应该有着广泛的应用前景。本文以无人驾驶的小飞机在低空拍摄的高分辨率遥感影像的分类为例,说明了可拓分类器的构造和使用。实验结果表明,像元分类精度达到了91.1%,Kappa系数达到0.893,具有较高的图像分类精度。