近邻分类法的改进及其在刀具分类中的应用

本文研究三种在近邻分类法基础上的改进算法：（1）编辑技术，（2）边界抽取，（3）边界补缀。编辑技术使识别率已接近Bayes标准。再经边界抽取仅保存对分类直接起作用的设计样本集，从而提高了分类速度，但识别率有所下降，边界补缀法是本文作者之一最近提出的一种新算法。此算法在重新审查部分设计样本的过程中，“拣”回在边界抽取时失掉的个别位于两类交界处的样本，进一步完善了分类器。补缀后的边界样本集使分类速度保持在（2）的水平，而识别率又上升到使用编辑技术（1）后的情况。将以上算法依次应用到刀具分类的两类问题，给出可喜的结果，经过（1），（2），（3）处处理过的设计样本集，其识别率接近大样本集时1－NNR的结果，同时分类速度也提高了约6倍。