融合邻域信息的k近邻分类-智能系统学报.PDFVIP

第９卷第２期　 　 　 　 　 　 　 　 　 　 　 　 　 　 智　 能　 系　 统　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 Ｖｏｌ．９ №．２ ２０１４年４月　 　 　 　 　 　 　 　 　 　 　 　 　 ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ　 　 　 　 　 　 　 　 　 　 　 Ａｐｒ． ２０１４ ＤＯＩ：１０．３９６９／ ｊ．ｉｓｓｎ．１６７３⁃４７８５．２０１３０７０１５ 网络出版地址：ｈｔｔｐ：／ ／ ｗｗｗ．ｃｎｋｉ．ｎｅｔ／ ｋｃｍｓ／ ｄｏｉ／ １０．３９６９／ ｊ．ｉｓｓｎ．１６７３⁃４７８５．２０１３０７０１５．ｈｔｍｌ 融合邻域信息的ｋ⁃近邻分类 １ １，２ ２ ２ 林耀进 ，李进金 ，陈锦坤 ，马周明 （１．闽南师范大学计算机科学与工程系，福建 漳州３６３０００；２． 闽南师范大学数学与统计学院，福建 漳州３６３０００） 摘　 要：距离度量是影响ｋ⁃近邻（ＫＮＮ）法分类精度的重要因素之一。 提出一种融合邻域信息的ｋ⁃近邻算法。 首先， 定义了样本邻域的概念，并根据邻域的影响提出２条相应准则；然后，在计算测试样本与训练样本的距离时，综合考 虑了样本邻域所带来的影响。 该算法不仅可以更加精确地刻画样本之间的距离，而且一定程度上增强了ＫＮＮ 的稳 定性。 该方法在ＵＣＩ标准数据集上进行了测试，结果表明，性能优于或与其他相关的分类器相当，并且在噪声扰动 下具有较强的鲁棒性。 关键词：ｋ⁃近邻；邻域信息；分类学习；距离测量；噪音干扰 中图分类号：ＴＰ１８１　 文献标志码：Ａ　 文章编号：１６７３⁃４７８５（２０１４）０２⁃０２４０⁃０４ 中文引用格式：林耀进，李进金，陈锦坤，等． 融合邻域信息的ｋ⁃近邻分类［Ｊ］． 智能系统学报，２０１４，９（２）：２４０⁃２４３． 英文引用格式：ＬＩＮ Ｙａｏｊｉｎ，ＬＩＪｉｎｊｉｎ，ＣＨＥＮ Ｊｉｎｋｕｎ，ｅｔ ａｌ． Ｋ⁃ｎｅａｒｅｓｔｎｅｉｇｈｂｏｒｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｌｇｏｒｉｔｈｍｆｕｓｉｎｇｎｅｉｇｈｂｏｒｈｏｏｄｉｎｆｏｒ⁃ ｍａｔｉｏｎ［Ｊ］． ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ，２０１４，９（２）：２４０⁃２４３． Ｋ⁃ｎｅａｒｅｓｔ ｎｅｉｇｈｂｏｒ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｆｕｓｉｎｇ ｎｅｉｇｈｂｏｒｈｏｏｄ ｉｎｆｏｒｍａｔｉｏｎ １ １，２ ２ ２ ＬＩＮ Ｙａｏｊｉｎ ，ＬＩＪｉｎｊｉｎ ，ＣＨＥＮＪｉｎｋｕｎ ，ＭＡ Ｚｈｏｕｍｉｎｇ （１． Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｃｏｍｐｕｔｅｒ ＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，Ｚｈａｎｇｚｈｏｕ３６３０００，Ｃｈｉｎａ；２．Ｓｃｈｏｏｌｏｆ ＭａｔｈｅｍａｔｉｃｓａｎｄＳｔａｔｉｓｔｉｃｓ，Ｚｈａｎｇｚｈｏｕ ３６３０００，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｄｉｓｔａｎｃｅ ｍｅａｓｕｒｅｍｅｎｔｉｓｏｎｅｏｆｔｈｅｉｍｐｏｒｔａｎｔｆａｃｔｏｒｓｗｈｉｃｈａｆｆｅｃｔｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙ ｏｆｔｈｅｋｎｅａ⁃ ｒｅｓｔ ｎｅｉｇｈｂｏｒ （ＫＮＮ）ａｌｇｏｒｉｔｈｍ．Ｉｎｔｈｉｓｐａｐｅｒ，ａｎｉｍｐｒｏｖｅｄｋｎｅａｒｅｓｔｎｅｉｇｈｂｏｒａｌｇｏｒｉｔｈｍｆｕｓｉｎｇｎｅｉｇｈｂｏｒｈｏｏｄｉｎｆｏｒ⁃ ｍａｔｉｏｎ ｉｓ ｐｒｅｓｅｎｔｅｄ． Ｆｉｒｓｔｌｙ，ｔｈｅ ｃｏｎｃｅｐｔ ｏｆ ｔｈｅ ｉｎｓｔａｎｃｅ ｎｅｉｇｈｂｏｒｈｏｏｄ ｉｓ ｄｅｆｉｎｅｄ ａｎｄ ｔｗｏ ｃｒｉｔｅｒｉｏｎｓ ａｒｅ ｐｒｅｓｅｎｔｅｄ ａｃｃｏｒｄｉｎｇ ｔｏ ｎｅｉｇｈｂｏｒｈｏｏｄ ｉｎｆｌｕｅｎｃｅ；ｔｈｅｎ，ｔｈｅ ｉｎｆｌｕｅｎｃｅ ｏｆ ｔｈｅ ｉｎｓｔａｎｃｅ ｎｅｉｇｈｂｏｒｈｏｏｄ ｉｓ ｃｏｍｐｒｅｈｅｎｓｉｖｅｌｙ ｃｏｎ