首页|基于局部多均值表示的K-近质心近邻分类算法

基于局部多均值表示的K-近质心近邻分类算法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
基于局部均值的KNN分类(LMKNN)算法使用了局部均值点来反映样本间的相似性,可以提高分类的正确率.但局部均值点对于分类却依然具有相同的权重,然而不同近邻点应当具有不同的权重.近质心近邻分类(K-Nearest Centroid Neighbor Classifier,KNCN)算法中近质心近邻可以反映样本的几何分布信息,但基于简单的最大投票原则也导致近邻点具有相同权重.故提出了基于局部多均值的K-近质心近邻分类(The Multi-Local Means-Based K-Nearest Centroid Neighbor Classifier,LMRKNCN)算法,为了验证该算法的分类有效性,选取较新的四种对比算法在真实数据集上进行实验比较,结果表明LMRKNCN的分类性能优于其他对比算法.
Multi-local Means-Based K-Nearest Centroid Neighbor Classifier Algorithm

周承如、熊太松、吴宏伟、杨园园、宋君

展开 >

江苏大学计算机科学与通信工程学院 镇江 212013

成都信息工程大学计算机学院 成都 610225

K-近邻 协作表示 局部均值 近质心近邻 模式分类

四川省科技计划

2018RZ0072

2022

10.3969/j.issn.1672-9722.2022.07.005

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2022.50(7)
  • 3