曾俊杰
- 作品数：2 被引量：1H指数：1
- 供职机构：西华大学计算机与软件工程学院更多>>
- 发文基金：西华大学研究生创新基金四川省教育厅自然科学科研项目国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种新颖的基于马氏距离的KNN分类算法被引量：1
- 2014年
- K近邻作为模式识别研究领域的热点之一,影响其性能的距离度量也得到广泛关注。但传统KNN采用欧氏距离,平等对待所有特征间的差别,不能有效反映数据的内在结构特征。针对此问题,借鉴局部保持投影的基本思想,根据局部保持散度矩阵定义一种距离度量新方法,利用该距离度量提出一种新颖的基于马氏距离的KNN算法。该算法在基于马氏距离分布特征的方式上充分反映每一类数据的内在结构特征。实验结果表明,与传统KNN和基于马氏距离的KNN相比,该算法表现出更好的分类精度。
- 曾俊杰王晓明
- 关键词：K近邻局部保持投影
- 基于局部保持的KNN算法
- 2015年
- 距离度量对K近邻(KNN)算法分类精度起着重要的作用。传统KNN算法通常采用欧氏距离,但该距离将所有特征的差别平等对待,忽略了数据的局部内在几何结构特征。针对此问题,文章借鉴局部保持投影(LPP)的基本思想,在考虑数据的局部内在几何结构特征基础上,依据类内局部保持散度矩阵构造一种距离度量新方法,利用该距离度量提出一种局部保持K近邻算法。实验结果表明,与采用欧氏距离和传统马氏距离的KNN相比,本算法能够得到更好的分类精度。
- 曾俊杰王晓明杨晓欢
- 关键词：K-近邻局部保持投影
