面向不平衡數(shù)據(jù)集分類的改進(jìn)k-近鄰法研究.pdf_第1頁
已閱讀1頁,還剩55頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、在信息化大爆炸的今天,如何高效地從現(xiàn)有復(fù)雜多變的信息中提取出人們所需要的信息是一個急需解決的難題。為了解決這個難題,機(jī)器學(xué)習(xí)、人工智能和模式識別等領(lǐng)域的學(xué)者們展開了深入的研究,分類方法是其中重要的研究方向之一。經(jīng)過多年的不懈努力,已有許多分類性能較好的方法應(yīng)用于分類問題。然而這些分類方法主要是以整體的分類誤判率、準(zhǔn)確率和召回率等作為分類目標(biāo),這些分類性能的評價指標(biāo)在不平衡數(shù)據(jù)集的分類問題中容易降低少數(shù)類和分布稀疏類樣本的識別率。由于現(xiàn)實

2、生活的需要,人們越來越重視少數(shù)類的分類精度,故在保證不平衡數(shù)據(jù)集整體分類質(zhì)量的前提下提高少數(shù)類樣本的識別率是一個值得研究的熱點。本文主要研究了面向不平衡數(shù)據(jù)集分類的K-近鄰法,具體的工作如下:
  (1)針對傳統(tǒng)K-近鄰法在尋找近鄰樣本時由于較大的相似度計算量而導(dǎo)致分類速度慢的不足,引入了代表樣本和閾值。各測試樣本的近鄰樣本只在其與各類代表樣本相似程度不小于相應(yīng)閾值的類中選取,從而減少了計算量,在不影響分類精度的同時提高了分類速度

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論