一种改进的K-近邻分类法

介绍现有K-近邻分类法的基本思想和研究现状,并针对此方法在分类各类数据集分布不平衡时容易造成分类精度低的问题作相应的改进。改进的K-近邻分类法中引入类代表度和样本代表度,使得K-近邻分类法在相似度计算时选出的近邻样本更能代表其所在类,从而减小误判率。实验证明改进方法有效。

应用于心电图分类的两种数据输入模式的对比

两分类问题是模式识别的重要研究领域,在分类器选定的情况下如何进一步提高分类正确率是一个普遍受到关注的问题。为此,根据心电信号数据有8个导联且反映心电向量在不同方向情况的特点,发现一种不同以往的对训练样本进行运用的方法,并且与已往常用的数据输入模式在应用于心电图信号分类问题上进行了对比实验。新数据输入模式不仅降低了输入空间的维数,而且充分利用了心电信号具有的医学特征,分散了只依靠一个导联作决定的风险和错误因素。实验结果表明这是一个值得运用的数据处理方式。