-
题名一种高效的K值自适应的SA-KNN算法
被引量:6
- 1
-
-
作者
孙可
龚永红
邓振云
-
机构
广西师范大学广西多源信息挖掘与安全重点实验室
广西师范大学计算机科学与信息工程学院
桂林航天工业学院
-
出处
《计算机工程与科学》
CSCD
北大核心
2015年第10期1965-1970,共6页
-
基金
国家自然科学基金资助项目(61170131和61263035)
国家863计划资助项目(2012AA011005)
+4 种基金
国家973计划资助项目(2013CB329404)
广西自然科学基金资助项目(2012GXNSFGA060004)
广西八桂创新团队和广西百人计划资助
广西研究生教育创新计划项目(YCSZ2015095
YCSZ2015096)
-
文摘
传统的K近邻(KNN)分类算法在实际应用过程中存在一些缺陷:没有考虑去除噪声样本,也没有考虑到在样本数据空间变换过程中保持样本数据本身的流形学结构,并且没有使用样本间属性的相关性。为此,提出引入稀疏学习理论,利用训练样本重构测试样本的方法,重构过程使用了样本间的相关性,也用到局部保持投影LPP保持数据结构不变,同时引入l2,1范数用于去除噪声样本的方法来寻找投影变换矩阵W,进而利用W确定KNN算法中K值的SA-KNN算法。在UCI数据集上的仿真实验结果表明,该方法比传统的KNN分类算法和Entropy-KNN算法有更高的分类准确度。
-
关键词
K近邻分类
相关性
去除噪声样本
局部保持投影
稀疏学习
-
Keywords
K nearest neighbor (KNN) classification
correlation
removal of noise samples
locality preserving projection
sparse learning
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-