基于稀疏学习的自适应近邻分类算法

摘要：

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。

关键词：稀疏学习、重构技术、数据驱动、l1-范数、邻域

分类号：TP181(自动化基础理论)

资助基金：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

在线出版日期：2015-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1912-1916