首页> 中文会议>第六届软科学国际研讨会 >基于证据理论与核函数的k-NN分类新方法

基于证据理论与核函数的k-NN分类新方法

摘要

实际分类中,训练样本所属类别往往具有模糊性和不确定性,导致分类时难以决策,影响分类的性能。将证据理论与核函数理论用于k-NN分类中,通过引入两样本间的核距离,突出了不同类别样本间的特征差异;利用自适应方法对参数进行学习,采用规划方法得到待识别样本所属类别的相容概率并与其它的Pignistic概率转换方式比较。最后利用相容概率做出决策,有效解决训练样本所属类别存在的模糊性和不确定性问题,提高了k-NN分类的准确度,通过与传统k-NN分类、基于D-S理论的k-NN分类、基于核的k-NN分类算法比较,体现了该分类方法的有效性。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号