基于紧密度的模糊加权kNN数据分类方法-应用科学学报.PDF

第 36 卷 第 4 期 应 用 科 学 学 报 Vol. 36 No. 4 2018年7月 JOURNAL OF APPLIED SCIENCES — Electronics and Information Engineering Jul. 2018 DOI: 10.3969/j.issn.0255-8297.2018.04.011 基于紧密度的模糊加权kNN数据分类方法 刘诚诚1,2 ， 姜 瑛1,2 1. 云南省计算机技术应用重点实验室，昆明 650500 2. 昆明理工大学 信息工程与 自动化学院，昆明 650500 摘摘摘 要要要：：：模糊 k-最近邻 (fuzzy k-nearest neighbor, FkNN) 及其改进 的分类方法忽略了样本 存在分布不均匀 以及噪声样本 的情况，不能充分体现每个类样本特征 的差异性，影响了分类 的准确率. 为此，提 出了一种基于紧密度的模糊加权 kNN 数据分类方法. 首先基于样本 间紧 密度计算样本 的隶属度 ；然后根据特征 的模糊熵值分别计算每个类样本特征 的权重，并使用 加权欧氏距离确定近邻训练样本；最后根据待分类样本所属 的每个类别的隶属度确定其类别. 对 UCI 多个数据集的实验结果表 明该方法是有效的. 关键词：数据分类 ；加权 kNN ；紧密度 ；模糊隶属度 ；模糊熵 中图分类号：P751.1 文章编号：0255-8297(2018)04-0679-10 Data Classification Method of Fuzzy Weighted k-Nearest Neighbor Based on Affinity LIU Cheng-cheng1,2 , JIANG Ying1,2 1. Yunnan Key Lab of Computer Technology Application, Kunming 650500, China 2. Faculty of Information Engineering and Automation, Kunming University of Science and Technology, Kunming 650500, China Abstract: In sample classification, the fuzzy k-nearest neighbor (FkNN) method and the associate improved classification algorithms ignore the uneven distribution of samples and the noise samples, thus are unable to reflect the differences of class sample features, resulting in the low classification accuracy. In order to overcome the limitations, a fuzzy weighted k-nearest neighbor data classification method based on affinity is proposed in this paper. Firstly, the membership of samples is calculated based on affinity among samples. Then, the feature weights of class samples are determined by the fuzzy e