基于局部加权的Citation-kNN算法
Citation-kNN算法对传统的kNN算法进行了改进,使其可以应用于多示例学习问题,但其0-1决策方式具有一定的局限性,没有充分考虑样本的分布情况.为解决该问题,该文提出局部加权的 Citation-kNN 算法,综合考虑样本的分布情况,提出基于样本距离加权、基于样本离散度加权的方法,并对各种组合情况进行了实验.在标准数据集MUSK和乳腺超声图像数据库上的实验结果表明,该文提出的方法与Citation-kNN相比,性能有明显提高,并具有良好的适应性.
图像识别、多示例学习、Citation-kNN、样本分布、局部加权
TP391.41(计算技术、计算机技术)
2013-04-03(万方平台首次上网日期,不代表论文的发表时间)
共6页
127-132