基于局部多均值表示的K-近质心近邻分类算法

摘要：

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.

关键词：K-近邻、协作表示、局部均值、近质心近邻、模式分类

所属期刊栏目：50

分类号：TP301.6(计算技术、计算机技术)

资助基金：四川省科技计划项目2018RZ0072

在线出版日期：2022-09-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1422-1427