基于影响函数的k-近邻分类

作     者：职为梅 张婷 范明 Zhi Wei-mei;Zhang Ting;Fan Ming

作者机构：郑州大学信息工程学院郑州450052 

基　　金：国家自然科学基金(61170223) 河南省教育厅科学技术研究重点项目(14A520016)资助课题 

出 版 物：《电子与信息学报》 (Journal of Electronics & Information Technology)

年 卷 期：2015年第37卷第7期

页      码：1626-1632页

摘      要：分类是一种监督学习方法,通过在训练数据集学习模型判定未知样本的类标号。与传统的分类思想不同,该文从影响函数的角度理解分类,即从训练样本集对未知样本的影响来判定未知样本的类标号。首先介绍基于影响函数分类的思想;其次给出影响函数的定义,设计3种影响函数;最后基于这3种影响函数,提出基于影响函数的k-近邻(k NN)分类方法。并将该方法应用到非平衡数据集分类中。在18个UCI数据集上的实验结果表明,基于影响函数的k-近邻分类方法的分类性能好于传统的k-近邻分类方法,且对非平衡数据集分类有效。

主 题 词：数据挖掘 监督学习 非平衡数据集分类 影响函数 k-近邻 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 0808[工学-自动化类] 0809[工学-计算机类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.11999/JEIT141433

馆 藏 号：203135533...