基于证据推模的k-NN分类.pdfVIP

  • 4
  • 0
  • 约2.49万字
  • 约 23页
  • 2018-06-29 发布于贵州
  • 举报
基于证据推模的k-NN分类

摘 要 本文主要提出了两种新的分类方法:基于证据推理模型的k—NN分类方法及基 于可变I精度粗集模型的k-NN分类方法。 在前~种分类方法中,分类专家对待分类样本点的最近邻样本点给出权重,从 而定义关键样本点及非关键样本点,进而给出它们的支持度、折扣系数。通过上述 概念的引入,可对基于证据理论的k-NN分类方法进行修正,使分类结果更加精确。 并且当折扣系数为l,且给定所有最近邻样本点权重相等时,基于证据推理模型的 kNN分类方法就成为基于证据理论的k NN分类方法。并且给出了例子且进行了计 算机模拟实验,取得了较好的效果。 后~种分类方法是将可变精度粗集模型与k-NN分类结合起来,从而可通过给 定最大容忍的错误分类率来控制分类的准确度,使分类结果达到所期望的目的。并 且给出了一些例子。 , 关键词:k-NN分类:证据理论:基于证据推理模型的迄!匪撅:粗集:可变精度 相集模犁: ABST

文档评论(0)

1亿VIP精品文档

相关文档