一种新的证据K-NN数据分类算法 |
| |
引用本文: | 张扬,侯俊,刘准钆,潘泉.一种新的证据K-NN数据分类算法[J].火力与指挥控制,2013(9):58-61. |
| |
作者姓名: | 张扬 侯俊 刘准钆 潘泉 |
| |
作者单位: | 西北工业大学自动化学院 |
| |
基金项目: | 国家自然科学基金(61135001);国家自然科学基金资助项目(61075029) |
| |
摘 要: | K近邻分类算法已被广泛应用于模式识别中。为了有效处理识别问题中的不确定信息并提高数据分类精度,提出了一种新的证据K-NN(NEK-NN)分类算法。首先从总的训练集中随机重复采样来构造多个训练样本子集。在每个训练子集中,利用目标数据与其各个近邻的距离分别构造基本置信指派,并根据K个近邻数据在每个类别中的数目来对构造的置信指派进行加权。然后,利用DS规则对加权证据融合。根据每个训练子集下融合结果的算术平均值来判断目标的类别属性。通过模拟数据集和真实数据集的实验,将NEK-NN算法与其他几种常见的方法做了对比分析,结果表明NEK-NN算法能够有效地提高分类的精度。
|
关 键 词: | 证据推理 K-NN 置信函数 数据分类 DST |
本文献已被 CNKI 等数据库收录! |
|