基于密度的KNN分类器样本裁剪算法 |
| |
引用本文: | 苟和平,景永霞,冯百明,李勇.基于密度的KNN分类器样本裁剪算法[J].佳木斯大学学报,2013(2):242-244,248. |
| |
作者姓名: | 苟和平 景永霞 冯百明 李勇 |
| |
作者单位: | 琼台师范高等专科学校信息技术系;西北师范大学计算机科学与工程学院 |
| |
基金项目: | 教育部科学技术研究重点项目(208148);海南省自然科学基金项目(612136);琼台师范高等专科学校项目(qtkz201115) |
| |
摘 要: | KNN算法在分类准确率和召回率方面具有较好的性能,但由于样本相似度计算开销大,导致分类效率低.针对此问题,本文提出一种基于密度的训练样本裁剪算法,对训练样本的各个样本类进行聚类,根据密度不同聚集成不同的簇,删除噪声数据并计算每个样本类的相似度阈值,然后将样本类内大于类相似度阈值的样本进行合并,以减少训练样本总数.实验表明,此样本裁剪算法能够在保持KNN算法分类性能基本稳定的前提下,实现各个样本类内高相似度样本的合并,减少分类计算开销.
|
关 键 词: | KNN分类 聚类 样本裁剪 相似度阈值 |
本文献已被 CNKI 等数据库收录! |
|