(厦门理工学院计算机与信息工程学院 福建厦门 361024) (cym0620@163.com)
出版日期:
2019-12-01基金资助:
国家自然科学基金项目(61573297,61976183);福建省出国留学奖学基金项目;福建省自然科学基金项目(2016J01198,2019J01850);福建省教育厅A类项目(JA15363);厦门市科技计划指导项目(3502Z20179038)Granular Vectors and K Nearest Neighbor Granular Classifiers
Chen Yuming, Li Wei(College of Computer and Information Engineering, Xiamen University of Technology, Xiamen, Fujian 361024)
Online:
2019-12-01摘要/Abstract
摘要: K近邻(K nearest neighbor, KNN)分类器是一种经典的分类器,它简单而又有效,已经在人工智能与机器学习领域得到了广泛的应用.针对传统分类器难以处理不确定性数据的问题,研究样本单特征邻域粒化技术,构造粒的向量形式,提出一种基于粒向量的K近邻分类方法.该方法引入邻域粗糙集模型,对分类系统中的样本进行单特征邻域粒化,形成特征邻域粒子.并由多个特征邻域粒子构成一个粒向量,定义了多种粒向量运算算子,提出了2种粒向量距离:相对粒距离与绝对粒距离,证明了粒向量距离的单调性原理.进一步,基于粒向量距离定义了K近邻粒向量概念,提出了K近邻粒分类器.最后,结合UCI数据集,采用K近邻粒分类器与经典K近邻分类器进行比较测试.理论分析和实验表明:针对合适的粒化参数与k值,K近邻粒分类器具有较好的分类性能.
参考文献
相关文章 7
[1] | 李金海, 李玉斐, 米允龙, 吴伟志. 多粒度形式概念分析的介粒度标记方法[J]. 计算机研究与发展, 2020, 57(2): 447-458. |
[2] | 罗晟,苗夺谦,张志飞,张远健,胡声丹. 基于层次信息粒表示的属性图链接预测模型[J]. 计算机研究与发展, 2019, 56(3): 623-634. |
[3] | 吴伟志,杨丽,谭安辉,徐优红. 广义不完备多粒度标记决策系统的粒度选择[J]. 计算机研究与发展, 2018, 55(6): 1263-1272. |
[4] | 周艳红,张贤勇,莫智文. 粒化单调的条件邻域熵及其相关属性约简[J]. 计算机研究与发展, 2018, 55(11): 2395-2405. |
[5] | 顾沈明,顾金燕,吴伟志,李同军,陈超君. 不完备多粒度决策系统的局部最优粒度选择[J]. 计算机研究与发展, 2017, 54(7): 1500-1509. |
[6] | 吴伟志,高仓健,李同军. 序粒度标记结构及其粗糙近似[J]. 计算机研究与发展, 2014, 51(12): 2623-2632. |
[7] | 李仲生, 李仁发, 蔡则苏,. 显著对象的非监督粗糙认知算法[J]. , 2012, 49(1): 202-209. |
PDF全文下载地址:
https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4062