《一種改進的最鄰近分類算法》是鞠冬彬、 趙憲佳撰寫的一篇論文。
《一種改進的最鄰近分類算法》是鞠冬彬、 趙憲佳撰寫的一篇論文。摘要K最鄰近算法(K-nearest neighbor,KNN)是一種無參數、分類效果顯著、簡單的經典分類算法,但是實際的訓練樣本經常存在類與類之間分布不均的...
鄰近算法，或者說K最鄰近（KNN，K-NearestNeighbor）分類算法是數據挖掘分類技術中最簡單的方法之一。所謂K最近鄰，就是K個最近的鄰居的意思，說的是每個樣本都可以用它最接近的K個鄰近值來代表。近鄰算法就是將數據集合中每一個記錄進行分類的方法。簡介 KNN（K- Nearest Neighbor）法即K最鄰近法，最初由 Cover...
K最近鄰(k-Nearest Neighbor，KNN)分類算法，是一個理論上比較成熟的方法，也是最簡單的機器學習算法之一。該方法的思路是：在特徵空間中，如果一個樣本附近的k個最近(即特徵空間中最鄰近)樣本的大多數屬於某一個類別，則該樣本也屬於這個類別。概念介紹 用官方的話來說，所謂K近鄰算法，即是給定一個訓練數據集，...
K最近鄰(KNN，K-NearestNeighbor)分類算法是指數據挖掘分類技術中最簡單的方法之一。所謂K最近鄰，就是K個最近的鄰居的意思，說的是每個樣本都可以用它最接近的K個鄰居來代表。KNN算法的核心思想是如果一個樣本在特徵空間中的K個最相鄰的樣本中的大多數屬於某一個類別，則該樣本也屬於這個類別，並具有這個類別上...
1.1 分類概念、算法 1.2 經典的近鄰分類方法及其演變 參考文獻 第2章 近鄰模型系列方法及其套用 2.1 近鄰模型分類算法 2.2 基於權重k近鄰模型的數據簡化與分類 2.3 模糊k近鄰模型算法在可預測毒物學上的套用 2.4 最近鄰分類的多代表點學習算法 2.5 改進的忌近鄰模型方法在文本分類中的套用 2.6 部分模糊...
本項目將以改善KNN的分類性能為目的，圍繞非負矩陣分解(NMF)算法，研究相關的特徵提取算法。算法的核心思想是對每個訓練樣本，實行隨機KNN分類，使其在新的特徵表示下與它的K個最近鄰樣本儘可能具有相同的類標籤。算法的關鍵是利用樣本的類標籤構造隨機KNN的性能度量指標，以保證特徵提取算法得到的特徵表示包含樣本局部...
《一種改進的K-means算法》是鞠薈薈撰寫的一篇論文。論文摘要 K-means算法以誤差平方和作為聚類準則函式,難以成功劃分大小不一、密度不均的類。為此,本文提出了一種改進的K-means算法,首先通過增加初始聚類中心選在小的類、疏的類的機率最佳化初始聚類中心的選取;其次在將數據對象分配給聚類中心時,採用數據對象到聚類...
KNN查找最鄰近的K個點。這種方法常被用在預測分析中，用某點的一些臨近點來對它估計和分類。近似最鄰近查找 在一些套用中指需要有個對最鄰近的猜測。這種情況下，我們可以用一個不保證能每次都返回絕對正確的最近點的算法，用來提高運算速度或節約存儲空間。常常這樣的算法大都能找到正確的最近點，但這大大取決於...
AP算法仍然存在兩個主要缺陷:1)AP算法只適合處理緊緻的超球形結構的數 據聚類問題,當數據集分布鬆散或結構複雜時,該算法不能給出理想的聚類結果;2)AP算法是一種無監督的學習方法,不能直接適用於有約束條件的聚類問題。改進 AP算法在運算的過程中追求誤差函式J(C)最小化，對於緊緻的聚類結構算法能夠在保證J(C)...
另外，歸併算法使用了輔助數組，這是一個明顯的不足之處，但是由於不可能在兩個已分類集合的原來位置上進行適當的歸併，所以這n個位置的附加空間對於本算法是必須的，不過，使用一個以整數表示的鍊表信息數組來代替輔助數組可以節省一些附加空間。改進的歸併分類算法 改進算法1 使用連結的歸併分類模型，，其主要算法如下...
決策樹方法最早產生於上世紀60年代，到70年代末。由J Ross Quinlan提出了ID3算法，此算法的目的在於減少樹的深度。但是忽略了葉子數目的研究。C4.5算法在ID3算法的基礎上進行了改進，對於預測變數的缺值處理、剪枝技術、派生規則等方面作了較大改進，既適合於分類問題，又適合於回歸問題。決策樹算法構造決策樹來發現...
實驗表明,在聚類類別數給定的情況下,通過用標準的UCI資料庫進行實驗比較,發現採用改進後方法選取的初始類中心的k-means算法比隨機選取初始聚類中心算法有相對較高的準確率和穩定性。引文格式 韓凌波,王強,蔣正鋒,郝志強.一種改進的k-means初始聚類中心選取算法[J].計算機工程與套用,2010,46(17):150-152.
算法分類 很難對聚類方法提出一個簡潔的分類，因為這些類別可能重疊，從而使得一種方法具有幾類的特徵，儘管如此，對於各種不同的聚類方法提供一個相對有組織的描述依然是有用的，為聚類分析計算方法主要有如下幾種：劃分法 劃分法(partitioning methods)，給定一個有N個元組或者紀錄的數據集，分裂法將構造K個分組，每...
然後把稀疏矩陣套用到一個正則化譜聚類算法中,從而有效地把數據聚類到子空間中。最後,該算法套用到一個視頻序列中,對每個視頻幀里的運動物體進行識別,並與現有的子空間聚類算法相比較。實驗結果表明,該算法能夠有效地識別運動物體,具有良好的實時性和有效性。引文格式 歐陽佩佩,趙志剛,劉桂峰.一種改進的稀疏子空間聚類...
（3）提出了一種改進的數據集特徵提取方法及一種基於聚類的分類算法推薦方法，為構造更佳的分類算法推薦模型提供了基礎。 針對所提方法，項目進行期間共發表學術論文7篇，其中SCI檢索論文5篇，EI檢索論文2篇，國際會議論文2篇，申請發明專利1項，培養碩士研究生3名，協助培養博士研究生2名。 項目的研究成果有助於...
樸素貝葉斯分類器採用了“屬性條件獨立性假設”：對已知類別，假設所有屬性相互獨立。在現實任務中，這個“屬性條件獨立性假設”往往很難成立，於是人們在此基礎上進行改進。改進:：①為避免其他屬性攜帶的信息被訓練集中從未出現的屬性值“抹去”，在估計機率值時通常要進行“平滑”，常用“拉普拉斯修正”；②對屬性條件...
大間隔最近鄰居（Large margin nearest neighbor (LMNN)）分類算法是統計學的一種機器學習算法。該算法是在 近鄰分類其中學習一種歐式距離度量函式。該度量函式最佳化的目標是：對於一個輸入 的 個近鄰都屬於同一類別，而不同類別的樣本與 保持一定大的距離。 近鄰規則是模式識別領域廣泛使用的一種簡單有效的方法...
典型的學習矢量量化算法有LVQ1、LVQ2和LVQ3，其中前兩種算法套用較為廣泛，尤以LVQ2的套用最為廣泛和有效。已經成功套用到統計學、模式識別、機器學習等多個領域。簡介 學習矢量量化是一種結構簡單、功能強大的有監督式神經網路分類方法。該算法自1988年由Kohonen提出以來，己經成功套用到統計學、模式識別、機器學習等...
樸素貝葉斯算法 樸素貝葉斯算法是一種分類算法。它不是單一算法，而是一系列算法，它們都有一個共同的原則，即被分類的每個特徵都與任何其他特徵的值無關。樸素貝葉斯分類器認為這些“特徵”中的每一個都獨立地貢獻機率，而不管特徵之間的任何相關性。然而，特徵並不總是獨立的，這通常被視為樸素貝葉斯算法的缺點。簡...
