基于最佳距离度量的两层最近邻分类算法

摘要：

两层最近邻(TLNN)分类算法通过在有限训练样本条件下最小化错误率的平均绝对误差,能够产生比k-最近邻(kNN)算法更好的分类结果,但其精度易受噪声影响.针对这个问题,提出一种基于最佳距离度量的两层最近邻分类算法(ODM-TLNN),提高对噪声数据的鲁棒性.算法分为两层,下层使用最佳距离度量来确定一个未标记样本的局部子空间,上层采用AdaBoost在子空间进行信息提取.基于UCI数据集的实验结果表明,该算法能充分降低分类错误率,并且在噪声数据下具有较好的稳定性.

关键词：距离度量、k-最近邻算法、噪声数据、分类、错误率

所属期刊栏目：34

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金项目41406200;山东省自然科学基金项目ZR2014DQ030

在线出版日期：2015-07-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：20-27