一种改进的K-近邻分类法

摘要：

介绍现有K-近邻分类法的基本思想和研究现状,并针对此方法在分类各类数据集分布不平衡时容易造成分类精度低的问题作相应的改进.改进的K-近邻分类法中引入类代表度和样本代表度,使得K-近邻分类法在相似度计算时选出的近邻样本更能代表其所在类,从而减小误判率.实验证明改进方法有效.

关键词：K-近邻分类法、不平衡样本、有效性、类代表度、样本代表度

所属期刊栏目：36

分类号：TP181(自动化基础理论)

资助基金：西南交通大学随机数学及其应用2682014ZT29

在线出版日期：2017-08-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：93-97