一种基于局部加权回归的分类方法

摘要：

分类是数据挖掘和数据分析中最有应用价值的技术之一.传统的积极学习方法需要预先对模型空间进行假设,并且没有充分考虑到实例之间的相关性,其泛化能力将会受到一定程度的影响.针对上述问题,提出了一种基于新型映射关系的局部加权回归方法MLWR.该算法首先找出测试样本在训练集中的近邻样本,然后建立测试样本和近邻样本的回归函数,根据建立的回归模型和近邻样本的标签,计算得到测试样本的标签.实验与当前流行的多种分类方法在UCI的9个数据集上进行测试.实验结果表明我们的方法能有效地提高分类精度,对较大样本数据也有较好的适用性.

关键词：分类、映射关系、局部加权回归、k-NN、懒惰学习

所属期刊栏目：37

分类号：TP181(自动化基础理论)

资助基金：浙江省教育厅资助项目Y201328291;浙江省自然科学基金资助项目LZ14F030001,LY14F020012

在线出版日期：2015-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1959-1964