南京大学学报(自然科学版) ›› 2013, Vol. 49 ›› Issue (4): 411417.
牟廉明;
M o uL i a n - m i n g
摘要: k子凸包分类方法在实际问题中有广泛应用.但是该方法仍然对噪声和参数k比较敏感,并且在k邻域内不同类的样本数经常严重失衡,导致分类性能下降.针对上述问题,设计了一种选择性自适应k子凸包分类方法.首先根据k子凸包分类的特点给出冗余数据、噪声和决策邻域的概念,并对数据进行网格化处理.然后采用留一法对数据集进行选择性修剪,去掉冗余数据和噪声;并为每个样本学习一个不同的决策邻域,使得不同样本的决策邻域能够自适应变化.实验表明,该方法不仅缩小了问题规模,而且分类性能也有显著提高.
[ 1 ] V i n c e n t P , B e n g i o Y.K - l o c a lh y p e r p l a n e a n d c o n v e x d i s t a n c e n e a r e s t n e i g h b o r a l g o r i t h m s . A d v a n c e s i n N e u r a l I n f o r m a t i o n P r o c e s s i n g S y s t e m s , 2 0 0 2 : 9 8 5~9 9 2. [ 2 ] Y a n g T , K e c m a n V.F a c e r e c o g n i t i o n w i t h a d a p t i v e l o c a l h y p e r p l a n e a l g o r i t h m.P a t t e r n A n a l y s i sa n dA p p l i c a t i o n s , 2 0 1 0 ( 1 3 ) : 7 9~8 3. [ 3 ] M o uL M. Aks u bc o n v e xh u l l c l a s s i f i e r . J o u r n a l o fS h a n x iU n i v e r s i t y ( N a t u r a lS c i e n c eE d i t i o n ) , 2 0 1 1 , 3 4 ( 3 ) : 3 7 4~3 8 0. ( 牟廉明 . k 子凸包分类 西大学 学报( 自然 科 学) , 2 0 1 1 , 3 4 ( 3 ) : 3 7 4~ 3 8 0 ) . [ 4 ] G a oY. P r o g r e s so fd a t am i n i n gi nC h i n a . J o u r n a lo f N a n j i n gU n i v e r s i t y ( N a t u r a l S c i e n c e s ) , 2 0 1 1 , 4 7 ( 4 ) : ·6 1 4 · 第 4 期 牟廉明: 选择性自适应 k 子凸包分类方法 3 5 1 ~ 3 5 3 . ( 高阳 . 中国数据挖掘研究进展 . 南京大 学学报( 自然科学) , 2 0 1 1 , 4 7 ( 4 ) : 3 5 1 ~ 3 5 3 ) . [ 5 ] C h e n C K , Y u Y M , S h iJ .A f a s t s p a r s e r e p r e s e n t a t i o n b a s e d c l a s s i f i c a t i o n . J o u r n a l o f N a n j i n gU n i v e r s i t y ( N a t u r a lS c i e n c e s ) , 2 0 1 2 , 4 8 ( 1 ) : 7 0~7 6. ( 陈才扣, 喻以明, 史 俊 . 一种快速的基于稀疏表示分类器 . 南京大学学报( 自然科学) , 2 0 1 2 , 4 8 ( 1 ) : 7 0~7 6 ) . [ 6 ] X i eJY , Z h a n gBQ , W a n gW Z. Ap a r t i a lb i n a r y t r e ea l g o r i t h mf o rm u l t i c l a s sc l a s s i f i c a t i o nb a s e d o n t w i n s u p p o r t v e c t o r m a c h i n e s . J o u r n a lo f N a n j i n gU n i v e r s i t y ( N a t u r a lS c i e n c e s ) , 2 0 1 1 , 4 7 ( 4 ) : 3 5 4~3 6 3. ( 谢娟英, 张兵权, 汪万紫 . 基于双 支持向量机的偏二叉树多类分类算法 . 南京大学学报( 自然科学) , 2 0 1 1 , 4 7 ( 4 ) : 3 5 4~3 6 3 ) [ 7 ] Y a n g X J , Y a n g X W , Z e n g L , e ta l . S h a p ec l a s s i f i c a t i o nu s i n gc o n t o u rc r i t i c a lp o i n ts e t s J o u r n a l o fN a n j i n gU n i v e r s i t y ( N a t u r a l S c i e n c e s ) , 2 0 1 0 , 4 6 ( 1 ) : 4 7~5 5. ( 杨小军, 杨兴炜, 曾 峦 等 . 基于轮廓关键点集的形状分类 . 南京大学学报( 自然科学) , 2 0 1 0 , 4 6 ( 1 ) : 4 7~5 5 ) . [ 8 ] Z h a oY , L i uH X , W a n gZY , e t a l . A ni m p r o v e d n e a r e s t n e i g h b o r s e a r c h i n g m e t h o d f o r c l a s s i f i c a t i o n p r o b l e m s .J o u r n a l o f N a n j i n g U n i v e r s i t y ( N a t u r a lS c i e n c e s ) , 2 0 0 9 , 4 5 ( 4 ) : 4 5 5~ 4 6 2. ( 肇 莹, 刘红星, 王仲宇等 . 最近邻搜索用于分类问题的一种改进 . 南京大学学报( 自然科学) , 2 0 0 9 , 4 5 ( 4 ) : 4 5 5~4 6 2 ) . [ 9 ] Z h o uX F , S h iY. N e a r e s tn e i g h b o rc o n v e xh u l l c l a s s i f i c a t i o nm e t h o d f o r f a c e r e c o g n i t i o n . L e c t u r e N o t e si n C o m p u t e r S c i e n c e , 2 0 0 9 , 5 5 4 5 : 5 7 0 -577. [ 1 0 ] Z h o uX F , S h iY. N e a r e s tn e i g h b o rc o n v e xh u l l c l a s s i f i e rb a s e d o ns u b s p a c es a m p l es e l e c t i o n . C o m p u t e rE n g i n e e r i n g , 2 0 0 8 , 3 4 ( 1 2 ) : 1 6 7~1 6 8. [ 1 1 ] A s u n c i o nA , N e wm a nDJ . U C IM a c h i n eL e a r n i n g R e p o s i t o r y . h t t p : / / w ww. i c s . u c i . e d u ~m l e a r n / ML R e p o s i t o r y . h t m. |
No related articles found! |
|