改進(jìn)的K-近鄰模式分類(lèi).pdf

1、在模式識(shí)別、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘等領(lǐng)域中，k-近鄰分類(lèi)由于其直觀、簡(jiǎn)單等特點(diǎn)有著廣泛的研究和應(yīng)用背景。其應(yīng)用范圍已包括生物信息認(rèn)證、圖像的分類(lèi)、人臉識(shí)別等領(lǐng)域。
　　本文是在分析k-近鄰算法的基礎(chǔ)上，對(duì)k-近鄰分類(lèi)算法的改進(jìn)進(jìn)行了研究。主要研究工作如下：
　　(1)提出基于類(lèi)內(nèi)近鄰距離加權(quán)的改進(jìn)偽近鄰分類(lèi)算法?？紤]測(cè)試樣本的多個(gè)近鄰，距離近的對(duì)歸屬該類(lèi)的影響較大，因而擁有的權(quán)值較大。對(duì)每個(gè)類(lèi)別，測(cè)試樣本得到在該類(lèi)經(jīng)過(guò)距離加權(quán)的

2、偽近鄰，再運(yùn)用近鄰分類(lèi)算法進(jìn)行分類(lèi)，從而提高分類(lèi)精度。
　　(2)提出了基于類(lèi)均值的最近鄰分類(lèi)算法。在分類(lèi)過(guò)程中，分類(lèi)精度容易受到離群點(diǎn)的影響。采用基于類(lèi)均值的最近鄰分類(lèi)，利用每類(lèi)樣本的類(lèi)均值信息，降低了離群點(diǎn)對(duì)分類(lèi)精度的影響。
　　(3)提出了基于局部均值的近鄰分類(lèi)算法。在采用近鄰分類(lèi)的過(guò)程中，訓(xùn)練樣本的數(shù)量比較少?gòu)亩鴮?dǎo)致分類(lèi)的準(zhǔn)確率降低。為了提高近鄰分類(lèi)的分類(lèi)性能，利用測(cè)試樣本在每類(lèi)訓(xùn)練樣本集的k個(gè)近鄰的均值信息，從而提