基于紧密度的模糊加权kNN数据分类方法 |
| |
引用本文: | 刘诚诚,姜瑛.基于紧密度的模糊加权kNN数据分类方法[J].应用科学学报,2018(4). |
| |
作者姓名: | 刘诚诚 姜瑛 |
| |
作者单位: | 云南省计算机技术应用重点实验室;昆明理工大学信息工程与自动化学院 |
| |
摘 要: | 模糊k-最近邻(fuzzy k-nearest neighbor,FkNN)及其改进的分类方法忽略了样本存在分布不均匀以及噪声样本的情况,不能充分体现每个类样本特征的差异性,影响了分类的准确率.为此,提出了一种基于紧密度的模糊加权kNN数据分类方法.首先基于样本间紧密度计算样本的隶属度;然后根据特征的模糊熵值分别计算每个类样本特征的权重,并使用加权欧氏距离确定近邻训练样本;最后根据待分类样本所属的每个类别的隶属度确定其类别.对UCI多个数据集的实验结果表明该方法是有效的.
|
本文献已被 CNKI 等数据库收录! |
|