| 最近邻分类的多代表点学习算法 |
| |
| 引用本文： | 陈黎飞,郭躬德.最近邻分类的多代表点学习算法[J].模式识别与人工智能,2011,24(6):882-888. |
| |
| 作者姓名： | 陈黎飞 郭躬德 |
| |
| 作者单位： | 福建师范大学 数学与计算机科学学院 福州 350108 |
| |
| 基金项目： | 福建省自然科学基金，回国留学人员基金 |
| |
| 摘 要： | 经典的k-最近邻算法存在参数k难以确定和分类效率低的缺点.基于模型的kNN算法使用代表点集合构造训练样本的分类模型,克服上述缺点,但需要较高的计算时间代价.文中提出一种高效的多代表点学习算法,用于最近邻分类.运用结构风险最小化理论对影响分类模型期望风险的因素进行分析.在此基础上,使用无监督的局部聚类算法学习优化的代表点集合.在实际应用数据集上的实验结果表明,该算法可对复杂类别结构数据进行有效分类,并大幅度提高分类效率.
|
| 关 键 词： | 近邻分类 分类模型 代表点 结构风险 |
Multi-Representatives Learning Algorithm for Nearest Neighbor Classification |
| |
| CHEN Li-Fei
,
GUO Gong-De.Multi-Representatives Learning Algorithm for Nearest Neighbor Classification[J].Pattern Recognition and Artificial Intelligence,2011,24(6):882-888. |
| |
| Authors: | CHEN Li-Fei GUO Gong-De |
| |
| Affiliation: | (School of Mathematics and Computer Science,Fujian Normal University,Fuzhou 350108) |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
