文件名称：k子凸包分类方法 (2011年)
文件大小：374KB
文件格式：PDF
更新时间：2024-05-13 02:01:16
自然科学 论文
基于凸包的k局部超平面距离分类方法，通过改进k近邻算法在处理小样本问题时的决策边界而显著提高分类性能.但是，该方法对噪声和类的数目敏感，并且在一类样本“包围”另一类样本时，由于外围类凸包与内部样本的距离为零而导致分类错误.针对上述问题，提出了k子凸包分类方法，该方法融合了k近邻分类和凸包技术的优点，首先寻找测试样本的k近邻，然后在该邻域中计算测试样本到相应类的子凸包的距离，并根据距离大小来确定该测试样本的类别，有效克服了k局部超平面距离分类存在的不足.大量实验表明，文章提出的k子凸包分类方法在分类性能上具