改進的K-近鄰模式分類.pdf

1、在模式識別、機器學(xué)習(xí)、數(shù)據(jù)挖掘等領(lǐng)域中，k-近鄰分類由于其直觀、簡單等特點有著廣泛的研究和應(yīng)用背景。其應(yīng)用范圍已包括生物信息認證、圖像的分類、人臉識別等領(lǐng)域。
　　本文是在分析k-近鄰算法的基礎(chǔ)上，對k-近鄰分類算法的改進進行了研究。主要研究工作如下：
　　(1)提出基于類內(nèi)近鄰距離加權(quán)的改進偽近鄰分類算法。考慮測試樣本的多個近鄰，距離近的對歸屬該類的影響較大，因而擁有的權(quán)值較大。對每個類別，測試樣本得到在該類經(jīng)過距離加權(quán)的

2、偽近鄰，再運用近鄰分類算法進行分類，從而提高分類精度。
　　(2)提出了基于類均值的最近鄰分類算法。在分類過程中，分類精度容易受到離群點的影響。采用基于類均值的最近鄰分類，利用每類樣本的類均值信息，降低了離群點對分類精度的影響。
　　(3)提出了基于局部均值的近鄰分類算法。在采用近鄰分類的過程中，訓(xùn)練樣本的數(shù)量比較少從而導(dǎo)致分類的準確率降低。為了提高近鄰分類的分類性能，利用測試樣本在每類訓(xùn)練樣本集的k個近鄰的均值信息，從而提