哈工大模别第3章.ppt

剪辑的过程 首先对 ?NT 中每一个Xi在?NR中找到其最近邻的样本Yi(Xi)，用Yi(Xi)表示Yi是Xi的最近邻参考样本。 如果Yi与Xi不属于同一类别，则将Xi从 ?NT 中删除。 最后从?NT中得到一个经过剪辑的样本集，称为剪辑样本集?NTE 。可用来取代原样本集?N ，作为参考样本集对待识别样本进行分类。　　 ?NT经过剪辑后，要作为新的训练样本集，则?NR 是对其性能进行测试的样本，如发现 ?NT中的某个训练样本对分类不利，就要把它剪辑掉。 剪辑样本的过程也可以用k-近邻法进行，即对 中的每个样本Xi，找到在 中的k个近邻，用k-近邻法判断Xi是否被错分类。 剪辑近邻法也可用到多类别情况。 剪辑过程也可不止一次。重复多次的称为重复剪辑近邻法。 　　 重复剪辑算法步骤 将样本集?N 随机划分为S个子集，即　　 ?N={?1,?2,…,?s}, s≥3 用最近邻法，以 ?j，j=(i+1)mod(s)为参考集，对 ?j中的样本进行分类，其中i＝1，…，s。 去掉步骤2中被错分类的样本。 用所有留下的全部样本的构成新的样本集?N 。 如该次剪辑过程中没有样本被删除，则停止，否则转步骤1。　　 例：两类正态分布样本的重复剪辑 原始样本集 一次迭代的结果， 三次迭代留下的样本 算法终止时留下