首页|融合密度与邻域覆盖约简的分类方法

融合密度与邻域覆盖约简的分类方法

扫码查看
原文链接
  • 万方数据
  • 维普
针对现有大部分基于邻域覆盖的分类方法直接根据最近的邻域对样本分类,没有考虑邻域之间的差异性,从而导致分类错误的问题.引入局部密度去刻画邻域之间的差异性,并提出融合密度与邻域覆盖约简的分类方法(D-NCR).首先,通过邻域覆盖约简剔除冗余的邻域;其次,将邻域中心的局部密度转化为权重,定义了测试样本到邻域中心的加权距离;最后,基于加权距离,对不同的测试样本提出两种分类策略.在UCI数据集上的实验结果表明,所提方法能达到较好的分类效果.
A classification method by integrating density and neighborhood covering reduction

张清华、艾志华、张金镇

展开 >

重庆邮电大学计算智能重庆市重点实验室,重庆400065

邻域粗糙集 邻域覆盖约简 局部密度 加权距离 分类策略

国家重点研发计划国家自然科学基金

2020YFC200350261876201

2022

陕西师范大学学报(自然科学版)
陕西师范大学

陕西师范大学学报(自然科学版)

CSTPCDCSCD北大核心
影响因子：0.563
ISSN：1672-4291
年,卷(期)：2022.50(3)
  • 5