重复剪辑近邻算法在数据分类中的应用

近邻法是模式识别非参数法中最重要的方法之一,重复剪辑近邻算法是近邻法的一种改进算法。在剪辑近邻法基础上重复执行剪辑运算,消除了样本集中的临界区的噪声样本,形成的决策面与贝叶斯决策面十分接近,因此用其设计的分类器是一种较理想的分离器。在一些样本类别较多和样本数据量较大的数据分类中有着广泛的应用。

基于语音样本重复剪辑和随机森林的帕金森病诊断算法研究

基于语音数据实现帕金森病诊断近年来已被证明是一种有效方式。但是,目前相关研究在样本预处理和集成学习方面还考虑不足,从而造成样本对分类器误导、分类准确率和稳定性还不令人满意等问题。本文提出了一种结合样本重复剪辑算法和随机森林的帕金森病诊断新算法,并基于最新公共数据集进行了对比实验。实验结果表明,本文算法实现了对语音样本和受试者的分类诊断,针对受试者的平均分类准确率达到了100%,比原数据提供者最高改善了29.44%。本文基于样本优选实现了一种新的语音帕金森病诊断算法;与同类算法相比,具有较高的准确率和稳定性。