基于TBM的自适应模糊k-NN分类器

摘要：

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.

关键词：可传递信度模型、自适应、k-NN分类器、pignistic概率、梯度下降

所属期刊栏目：35

分类号：TP18(自动化基础理论)

资助基金：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

在线出版日期：2009-09-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：183-185,188