|
|
基于k-最近邻图的小样本KNN分类算法
KNN Classification Algorithm Based on k-Nearest Neighbor Graph for Small Sample
查看参考文献5篇
|
文摘
|
提出一种基于k-最近邻图的小样本KNN分类算法。通过划分k-最近邻图，形成多个相似度较高的簇，根据簇内已有标记的数据对象来标识同簇中未标记的数据对象，同时剔除原样本集中的噪声数据，从而扩展样本集，利用该新样本集对类标号未知数据对象进行类别标识。采用标准数据集进行测试，结果表明该算法在小样本情况下能够提高KNN的分类精度，减小最近邻阈值k对分类效果的影响。 |
|
其他语种文摘
|
A KNN classification algorithm based on k-nearest neighbor graph for small sample sets is presented to improve the classification accuracy,which partitions the k-nearest neighbor graph into clusters with high similarity,labels the unlabel data of each cluster with the label of the label data in the same cluster,and deletes the noise data.The sample set is expended by this method.The algorithm use the expended sample set to label the unlabel data.The presented algorithm is demonstrated with standard datasets,and the experimental results show the algorithm can enhance the accuracy of classification,reduce the influence of the value of k,and achieve a satisfying result. |
|
来源
|
计算机工程
,2011,37(9):198-200 【核心库】
|
|
关键词
|
KNN算法
;
k-最近邻图
;
小样本
;
图划分
;
分类算法
|
|
地址
|
兰州交通大学交通运输学院, 兰州, 730070
|
|
语种
|
中文 |
|
文献类型
|
研究性论文 |
|
ISSN
|
1000-3428 |
|
学科
|
自动化技术、计算机技术 |
|
基金
|
甘肃省自然科学基金
|
|
文献收藏号
|
CSCD:4289750
|
参考文献 共
5
共1页
|
|
1.
孙荣宗. 基于粗糙集的快速KNN文本分类算法.
计算机工程,2010,36(24):175-177
|
CSCD被引
8
次
|
|
|
|
|
2.
熊忠阳. 基于密度的kNN分类器训练样本裁剪方法的改进.
计算机应用,2010,30(3):799-801,817
|
CSCD被引
7
次
|
|
|
|
|
3.
苏映雪. 基于KNN算法的组合式非搜索特征选择算法.
计算机工程,2007,33(18):217-218
|
CSCD被引
2
次
|
|
|
|
|
4.
Neskovic P. Improving Nearest Neighbor Rule with a Simple Adaptive Distance Measure.
Pattern Recognition,2007,28(2):207-213
|
CSCD被引
1
次
|
|
|
|
|
5.
Jahromi M Z. A Method of Learning Weighted Similarity Function to Improve the Performance of Nearest Neighbor.
Information Sciences,2009,179(17):2964-2973
|
CSCD被引
10
次
|
|
|
|
|
|
了解气象卫星更多信息，请访问