10.16208/j.issn1000-7024.2015.07.045
基于稀疏学习的自适应近邻分类算法
为解决k‐NN算法中固定k的选定问题,引入稀疏学习和重构技术用于最近邻分类,通过数据驱动(data‐driven)获得k值,不需人为设定。由于样本之间存在相关性,用训练样本重构所有测试样本,生成重构系数矩阵,用 l1‐范数稀疏重构系数矩阵,使每个测试样本用它邻域内最近的k (不定值)个训练样本来重构,解决k‐NN算法对每个待分类样本都用同一个k值进行分类造成的分类不准确问题。UCI数据集上的实验结果表明,在分类时,改良k‐NN算法比经典k‐NN算法效果要好。
稀疏学习、重构技术、数据驱动、l1-范数、邻域
TP181(自动化基础理论)
国家自然科学基金项目61170131、61263035、61363009;国家863高技术研究发展计划基金项目2012AA011005;国家973重点基础研究发展计划基金项目2013CB329404;广西自然科学基金项目2012GXNSFGA060004;广西高校科学技术研究重点基金项目2013ZD041;广西研究生教育创新计划基金项目YCSZ2015095、 YCZ2015096
2015-08-28(万方平台首次上网日期,不代表论文的发表时间)
共5页
1912-1916