基于核距离学习的K近邻分类
最近邻分类是用于模式识别的最简单而且最重要的分类方法之一,K近邻分类器已经广泛应用于模式识别和机器学习中。我们提出了一种基于核函数的K近邻分类器,将核函数引入距离学习中,通过对训练集的学习得到每一个训练样本对应的核参数,从而得到训练集的加权矩阵,然后利用K近邻分类器对测试集进行分类。试验结果表明新提出的基于核的KKNN分类器比原始的KNN分类器分类效果要好得多,与其他几个与分类精度相关的分类器相比,效果相当或更优。
K近邻分类 核函数 距离学习 模式识别
朱鹏飞 胡清华
哈尔滨工业大学能源科学与工程学院 哈尔滨 150001
国内会议
第九届中国Rough集与软计算、第三届中国Web智能、第三届中国粒计算联合会议(CRSSC-CWI-CGrC’2009)
石家庄
中文
59-61
2009-08-01（万方平台首次上网日期，不代表论文的发表时间）