首页|基于EDA的加权KNN分类算法

基于EDA的加权KNN分类算法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对传统K近邻(KNN)算法对不平衡数据集分类的不足,提出一种基于分布估计算法改进的加权KNN算法EDA-KNN.在没有先验知识的前提下,为了求解最优加权KNN算法的权重向量,构建矩阵结构种群.运用分布估计算法建立概率模型,进行采样、寻优等一系列操作,经过若干次迭代,最终获得使样本分类准确率达到最高的权重向量.通过对多个数据集进行分类,结果表明,EDA-KNN算法能够显著提升对于不平衡数据集分类的准确率,分类器性能稳定.
Weighted KNN algorithm based on EDA

unbalanced data setK-nearest neighbor(KNN)algorithmestimation of distribution algorithm(EDA)matrix structurehierarchical weights

谢雨寒、潘峰

展开 >

贵州民族大学数据科学与信息工程学院,贵州 贵阳 550025

贵州民族大学模式识别与智能系统重点实验室

不平衡数据集 KNN算法 分布估计算法 矩阵结构 分级权重

贵州省教育厅教学改革项目贵州省教育厅教学改革项目贵州省教育厅自然科学研究项目

201611130062020047黔教技[2022]015号

2023

10.16644/j.cnki.cn33-1094/tp.2023.08.009

计算机时代
浙江省计算技术研究所　浙江省计算机学会

计算机时代

影响因子：0.411
ISSN：1006-8228
年,卷(期)：2023.(8)
  • 5