Citation-KNN算法改进及其应用

摘要：

在多示例学习中,有许多属性相对于我们发现目标函数来说是无关的,而且就Citation-KNN算法而言,该算法对维度灾难的问题是十分敏感的,由此本文提出了一种基于特征选择的FS-Citation-KNN算法,该算法不仅考虑了特征选择的问题,还考虑到对于待测包其近邻的距离对于分类的影响.从实验的结果可以看出,加入特征选择机制的Citation-KNN算法的性能得到了显著的提高.

关键词：特征选择、多示例学习、Citation-KNN

所属期刊栏目：25

分类号：TP181(自动化基础理论)

资助基金：项目申请人:柴玉梅;基于动态免疫的邮件分类算法研究;基金颁发部门:河南省教育厅2007520049

在线出版日期：2009-04-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：261-262,242