10.3969/j.issn.1672-9722.2022.07.005
基于局部多均值表示的K-近质心近邻分类算法
基于局部均值的KNN分类(LMKNN)算法使用了局部均值点来反映样本间的相似性,可以提高分类的正确率.但局部均值点对于分类却依然具有相同的权重,然而不同近邻点应当具有不同的权重.近质心近邻分类(K-Nearest Centroid Neighbor Classifier,KNCN)算法中近质心近邻可以反映样本的几何分布信息,但基于简单的最大投票原则也导致近邻点具有相同权重.故提出了基于局部多均值的K-近质心近邻分类(The Multi-Local Means-Based K-Nearest Centroid Neighbor Classifier,LMRKNCN)算法,为了验证该算法的分类有效性,选取较新的四种对比算法在真实数据集上进行实验比较,结果表明LMRKNCN的分类性能优于其他对比算法.
K-近邻、协作表示、局部均值、近质心近邻、模式分类
50
TP301.6(计算技术、计算机技术)
四川省科技计划项目2018RZ0072
2022-09-01(万方平台首次上网日期,不代表论文的发表时间)
共6页
1422-1427