基于K-近邻法的分类器的设计与实现.pdfVIP

科技 探·索·争鸣 Sc科ience技＆Tech视nology界Vision Tr论坛 基于K一近邻法的分类器的设计与实现 王 芳 (天津师范大学计算机与信息工程学院，中国天津 300387) 摘【 要】模式识剐的目的就是对未知的样本，判断它所在的类剐。人类的模式识剐能力使得人们可以很好的认识周围的环境并与之交流。 分类器是模式识别系统的重要组成部分；也是机器学习的重要研究领域。 关【键词】模式识别；分类器 1 近邻分类器 SAMPLEsample[Wt,mgFang__SS1ZE],／样本集 ／ l_1 算法原理 inttestIWangFangTSlZE][16]；／测试集 ， 1)分类问题的两大类基本方法 charcompare[WangFa,ng-骶~tZEI；／对 比集 ／ (1)决策域／判别函数：利用判别函数或决策面方程将特征空间划 (2)计算测试样本到每个已知类别样本的距离 分成决策域 距离的计算采用的是n维空间的欧氏距离公式 n维欧氏空间是 (2)模板匹配：将待分类样本与标准模板进行比较 根据与各类别 一 个点集，它的每个点 x可以表示为 (x【1】，x2【】，…，x[n1)，其中x【i1(i 模板的匹配度情况．确定测试样本的类别 = 1，2，…，n)是实数 ，称为X的第 i个坐标，两个点A=(a[1】，a[21，…， 近邻法属于典型的模板匹配方法也是基于样本直接设计的非线性分 aInD和B：(hi1]Ib[2]，…b[n])之间的距离 d(a，B)定义为下面的公式 ： 类器 d(X，B)=sqrt【∑((ai【]一b[i])2)](i=1，2，…，n) 2)最小距离分类器： 部分代码如下： (1)将各类训练样本划分若干子类，并在每个子类中确定代表点， doubledistance(structSAMPLEm5，ntn【16】) 一 般用子类的质心或邻近质心的某一样本作为代表点．测试样本的类 f 别则以这些代表点的距离最近作决策 inti； (2)当选择的代表点不一定能很好地代表各类时，错误率增加 doubledd； 3)最近邻分类器：(NNC—NearestNeibm·Classd~rier) doublesum=O．0： 基本思想：以全部训练样本为代表点，计算测试样本与这些代表 f0r(i=O；i16；i++)sum+=(m．wf_attribute[i]一n[i】)(m．w