10.3969/j.issn.1672-3767.2015.03.004
基于最佳距离度量的两层最近邻分类算法
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.
距离度量、k-最近邻算法、噪声数据、分类、错误率
34
TP181(自动化基础理论)
国家自然科学基金项目41406200;山东省自然科学基金项目ZR2014DQ030
2015-07-20(万方平台首次上网日期,不代表论文的发表时间)
共8页
20-27