典型文献
基于隶属度的模糊加权k近质心近邻算法
文献摘要：
模糊k近质心近邻算法(FKNCN)的分类结果易受噪声点和离群点影响,并且算法对所有样本特征同等对待,不能体现样本特征的差异性.针对这两个问题,提出基于隶属度的模糊加权k近质心近邻算法MRFKNCN.利用密度聚类思想构造新的隶属度函数计算训练样本的隶属度,以减小噪声或离群样本对分类结果的影响.在此基础上,设计基于冗余分析的Relief-F算法计算每个特征的权重,删去较小权重所对应的特征和冗余特征,并通过加权欧氏距离选取有代表性的k个近质心近邻,提高分类性能.最终,根据最大隶属度原则确定待分类样本的类别.利用UCI和KEEL中的多个数据集对MRFKNCN算法进行测试,并与KNN、KNCN、LMKNCN、FKNN、FKNCN2和BMFKNCN算法进行比较.实验结果表明,MRFKNCN算法的分类性能明显优于其他6个对比算法,平均准确率最高可提升4.68个百分点.
文献关键词：
k近质心近邻算法;隶属度;冗余分析;特征选择;数据分类
中图分类号：
作者姓名：
刘利;张德生;肖燕婷
作者机构：
西安理工大学理学院,西安710054
文献出处：
引用格式：
[1]刘利;张德生;肖燕婷-.基于隶属度的模糊加权k近质心近邻算法)[J].计算机工程,2022(07):122-129
A类：
近质心近邻,FKNCN,MRFKNCN,KNCN,LMKNCN,FKNCN2,BMFKNCN
B类：
近邻算法,噪声点,离群点,有样,样本特征,同等对待,密度聚类,隶属度函数,训练样本,冗余分析,Relief,算法计算,删去,小权,冗余特征,加权欧氏距离,分类性能,最大隶属度原则,UCI,KEEL,FKNN,对比算法,平均准确率,百分点,特征选择,数据分类
AB值：
0.298808
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
