摘要:K近鄰(K nearest neighbor,K NN)分類器是一種經(jīng)典的分類器,它簡單而又有效,已經(jīng)在人工智能與機器學習領(lǐng)域得到了廣泛的應(yīng)用.針對傳統(tǒng)分類器難以處理不確定性數(shù)據(jù)的問題,研究樣本單特征鄰域粒化技術(shù),構(gòu)造粒的向量形式,提出一種基于粒向量的K近鄰分類方法.該方法引入鄰域粗糙集模型,對分類系統(tǒng)中的樣本進行單特征鄰域?;?形成特征鄰域粒子.并由多個特征鄰域粒子構(gòu)成一個粒向量,定義了多種粒向量運算算子,提出了2種粒向量距離:相對粒距離與絕對粒距離,證明了粒向量距離的單調(diào)性原理.進一步,基于粒向量距離定義了K近鄰粒向量概念,提出了K近鄰粒分類器.最后,結(jié)合UCI數(shù)據(jù)集,采用K近鄰粒分類器與經(jīng)典K近鄰分類器進行比較測試.理論分析和實驗表明:針對合適的?;瘏?shù)與k值,K近鄰粒分類器具有較好的分類性能.
注:因版權(quán)方要求,不能公開全文,如需全文,請咨詢雜志社