多代表点的子空间分类算法

摘要：

多代表点近邻分类克服了传统近邻分类算法的缺点,使用以代表点为中心的模型簇构造分类模型并自动确定近邻数目.此类算法在不同类别的样本存在大量重叠时将导致模型簇数量增大,造成预测精度下降.提出了一种多代表点的子空间分类算法,将不同类别的训练样本投影到多个不同的子空间,使用子空间模型簇构造分类模型,有效分隔了不同类别样本在全空间中重叠的区域,以提高分类性能.与传统的kNN(k nearest neighbor)、kNNModel、SVM(support vector machine)等分类算法的实验对比结果表明,新方法可以对复杂类别结构数据进行有效分类,且较好地提高了分类精度.

关键词：投影、子空间、多代表点、分类模型

所属期刊栏目：5

分类号：TP311(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant No.61070062;the Natural Science Foundation of Fujian Province of China under Grant No.2009J01273福建省自然科学基金:the Key Scientific Research Project of the Higher Education Institutions of Fujian Province of China under Grant No.JK2009006

在线出版日期：2012-03-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1037-1047