一种基于邻域协同表达的分类方法

摘要：

邻域粗糙集模型中,随着信息粒尺寸的增长,基于多数投票原则的邻域分类器(NC)容易对未知样本的类别产生误判.为了缓解该问题,在协同表达分类(CRC)思想的基础上,提出了一种基于邻域协同表达的分类方法,即邻域协同分类器(NCC).NCC首先借助邻域粗糙集模型对分类学习任务进行特征选择,然后找出被选特征下未知样本的邻域空间,最后在邻域空间内采用协同表达来代替多数投票原则,找出与未知样本具有最小重构误差的类别作为预测的类别标记.在4组UCI数据集上的实验结果表明:1)与NC相比,所提NCC在大尺寸信息粒下获得了较为满意的分类效果;2)与CRC相比,所提NCC在保持良好分类精度的同时,极大地降低了字典样本的规模,进而提高了分类的效率.

关键词：分类、协同表达、特征选择、邻域、粗糙集

所属期刊栏目：44

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金61572242,61503160,61305058,61373062;中国博士后科学基金2014M550293;江苏省普通高校学术学位研究生科研创新计划项目KYLX16_0505

在线出版日期：2017-10-20（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：234-238