10.11896/j.issn.1002-137X.2017.09.044
一种基于邻域协同表达的分类方法
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.
分类、协同表达、特征选择、邻域、粗糙集
44
TP18(自动化基础理论)
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
2017-10-20(万方平台首次上网日期,不代表论文的发表时间)
共5页
234-238