模式分類中數(shù)據(jù)選擇方法的研究.pdf

1、在模式識別中，數(shù)據(jù)選擇越來越重要，對識別的效果起著很關(guān)鍵的作用，尤其是邊界數(shù)據(jù)、冗余數(shù)據(jù)、雜質(zhì)數(shù)據(jù)對分類效果的影響，它大大降低了樣本識別率，成為實際問題中亟待解決的難題。本文針對邊界數(shù)據(jù)、冗余數(shù)據(jù)、雜質(zhì)數(shù)據(jù)三種數(shù)據(jù)，對兩種已有的方法進行了拓展，并給出了一種新的數(shù)據(jù)選擇的方法，主要研究成果可歸納如下：
　　 1．K近鄰法通常是按照樣本之間的距離來選擇K個近鄰，本文用特征分量來選擇K個近鄰，該方法的優(yōu)點是按照分量來找K個近鄰，而不是

2、用整體樣本來找K個近鄰，避免了樣本中某一分量的負面影響。
　　 2．在剪輯近鄰法中通常涉及到兩個集合：測試集和參考集，本文通過相互變換兩個集合對剪輯近鄰法進行了拓展，改進了原來的剪輯近鄰法，在很大程度上提高了樣本識別率。
　　 3．為了去除冗余的數(shù)據(jù)，保留穩(wěn)定的或者可靠的數(shù)據(jù)，我們提出了一種新的方法來完成樣本選擇的過程。其主要思想是用K均值聚類方法先將樣本分成C類，然后在比較新舊兩類樣本集，并取出它們的各自公共元素（樣本