融合邻域信息的k-近邻分类 (2014年)

【文件属性】：
文件名称：融合邻域信息的k-近邻分类 (2014年)
文件大小：355KB
文件格式：PDF
更新时间：2021-06-14 00:07:15
工程技术 论文 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。