采用特征相关性差异优化距离的改进k近邻算法
为有效地解决k近邻算法训练样本规模及分类精度间的矛盾,提出了一种采用特征相关性差异优化距离的改进算法(FCDKNN).该算法将特征熵值与其分布概率的乘积作为特征相关性的概念,在此基础上定义围绕特征相关性差异的样本距离测度,明确特征在类别上的重要性及相关性,在小样本情况下提取针对分类的大量有效信息,以增强算法的全局优化能力.对比仿真实验结果表明,该算法在保持效率的情况下分类精度得到了极大地提高.
k近邻、特征、相关性、差异、距离
32
TP301(计算技术、计算机技术)
2012-01-14(万方平台首次上网日期,不代表论文的发表时间)
共4页
3178-3181