10.3969/j.issn.1000-3428.2009.16.066
基于TBM的自适应模糊k-NN分类器
针对训练模式类标签不精确的识别问题,提出基于可传递信度模型的自适应模糊 k-NN(k-Nearest Neighbor)分类器.利用可传递信度模型结合模糊集理论和可能性理论并运用pignistic变换,对待识别模式真正所属的类做出决策.采用梯度下降最小化误差函数,以实现参数的自适应学习.实验结果表明,该分类器误分类率低、鲁棒性强.
可传递信度模型、自适应、k-NN分类器、pignistic概率、梯度下降
35
TP18(自动化基础理论)
国家自然科学基金资助项目60663007;江西省自然科学基金资助项目2007GZS0186;江西省教育厅科技基金资助项目2008GJJ08151
2009-09-28(万方平台首次上网日期,不代表论文的发表时间)
共4页
183-185,188