基于核距离学习的K近邻分类

摘要

最近邻分类是用于模式识别的最简单而且最重要的分类方法之一,K近邻分类器已经广泛应用于模式识别和机器学习中。我们提出了一种基于核函数的K近邻分类器,将核函数引入距离学习中,通过对训练集的学习得到每一个训练样本对应的核参数,从而得到训练集的加权矩阵,然后利用K近邻分类器对测试集进行分类。试验结果表明新提出的基于核的KKNN分类器比原始的KNN分类器分类效果要好得多,与其他几个与分类精度相关的分类器相比,效果相当或更优。

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