基于概率模型LVQ的改进KNN分类新方法

doi:10.13295/j.cnki.jlut.2013.03.022

	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.