基于概率模型LVQ的改进KNN分类新方法 | |
刘仲民; 徐炎; 赵彦敏; 胡文瑾 | |
刊名 | 兰州理工大学学报 |
2013-06-15 | |
期号 | 2013年03期页码:70-74 |
关键词 | K-近邻 学习矢量量化 模式分类 概率模型 大规模样本 |
ISSN号 | ISSN:1673-5196 |
DOI | 10.13295/j.cnki.jlut.2013.03.022 |
英文摘要 | KNN是基于实例的算法,对于大规模样本算法分类性能不高.针对这一缺点,提出一种基于概率模型的学习矢量量化神经网络的改进KNN分类新方法.考虑到最优参考点训练的重要性,结合概率方法得到最佳参考点的判断准则函数,采用梯度下降最优化算法利用LVQ训练参考点的最佳位置.在对未知样本进行分类时选出样本x的K个近邻,采用"投票选举"机制最后判断样本x的所属类别.新方法减少KNN的计算复杂度和时间,弥补了KNN在处理大规模数据问题上的不足.在UCI中数据集上的仿真实验表明改进算法的可行性. |
URL标识 | 查看原文 |
语种 | 中文 |
内容类型 | 期刊论文 |
源URL | [http://119.78.100.223/handle/2XXMBERH/10222] |
专题 | 电气工程与信息工程学院 |
作者单位 | 1.兰州理工大学电气工程与信息工程学院 2.西北民族大学数学与计算机科学学院 3.兰州城市学院培黎工程技术学院 |
推荐引用方式 GB/T 7714 | 刘仲民,徐炎,赵彦敏,等. 基于概率模型LVQ的改进KNN分类新方法[J]. 兰州理工大学学报,2013(2013年03期):70-74. |
APA | 刘仲民,徐炎,赵彦敏,&胡文瑾.(2013).基于概率模型LVQ的改进KNN分类新方法.兰州理工大学学报(2013年03期),70-74. |
MLA | 刘仲民,et al."基于概率模型LVQ的改进KNN分类新方法".兰州理工大学学报 .2013年03期(2013):70-74. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论