基于聚类和类重叠分析的近邻分类.pdfVIP

2015年 第24卷 第 9期 http：／／www．c—S—a．org．ca 计 算 机 系 统 应 用 基于聚类和类重叠分析的近邻分类① 刘杜钢 (福建师范大学 数学与计算机科学学院，福州 350100) 摘 要：k近邻分类(kNN)是一种简单而有效的非参数分类算法，但存在着参数需要人工确定，没有显式构建分类 模型造成存储空间大、分类效率低，且易受到 “维灾”效应影响等缺点．针对这些缺点，提出一种高效的近邻分类 新方法，构造了两个新的近邻分类器．新方法使用由K均值聚类产生的优化的簇原型集合为分类模型，减少了存 储空间的同时提高了分类效率；提出三种类重叠分析策略并引入模糊基准度量以减轻维灾影响．以该分类模型 学习方法为基础，提出一种新的kNN分类器和组合朴素贝叶斯的新分类器，算法涉及的参数都可以自动确定．在 人工和现实数据集上进行的实验表明，新分类器具有 良好的分类效率和分类准确率． 关键词：近邻分类；K均值聚类；簇原型；类重叠分析；模糊基准度量 NeighborClassificationBasedonClusteringandClassOverlappingAnalysis LIUDu—Gang (SchoolofMathematicsandComputerScience，FujianNor