10.3969/j.issn.1003-3254.2013.12.016
基于 RSKNN 分类改进算法
RSKNN 算法是 K 近邻算法的一种改进算法,该算法基于变精度粗糙集理论,能在保证一定分类精度的前提下,有效地降低分类样本的计算量,并且提高计算效率和分类精度。由于 RSKNN 算法对属性的依赖度较高,在分类时容易受到伪近邻的影响,导致 RSKNN 算法的分类精度受到一定程度的影响。针对存在问题,本文提出一种新颖的基于 RSKNN 算法的改进算法 SMwRSKNN,该算法在 RSKNN 算法的基础上引入类别子空间的思想,以降低冗余属性和伪近邻对分类的影响。在 UCI 公共数据集上的实验结果表明, SMwRSKNN 算法比 RSKNN 算法具有更高的分类精度。
变精度粗糙集、类别上、下近似、互K近邻、类别子空间
O1 ;TP3
国家自然科学基金61070062,61175123;福建高校产学合作科技重大项目2010H6007本项目受国家自然科学基金61070062, 61175123;福建高校产学合作科技重大项目No.2010H6007的资助,特此表示感谢
2013-12-19(万方平台首次上网日期,不代表论文的发表时间)
共8页
85-92