典型文献
自适应半径选择的近邻邻域分类器
文献摘要：
在邻域粗糙集中,邻域分类器简单高效.然而,邻域半径作为决定邻域分类器分类性能的关键因素,构建方式存在不足.一方面,邻域半径的构建由于未经过训练过程而缺乏通用性;另一方面,当数据样本分布不均出现空邻域时可导致分类器失效.针对上述问题,文中提出自适应半径选择的近邻邻域分类器(Near Neighborhood Clas-sifier with Adaptive Radius Selection,NNC-AR).首先,基于K近邻算法为训练样本构建训练邻域半径.然后,为了克服传统方法选取邻域半径参数的主观性,对待测试样本定义自适应的近邻邻域半径.最后,为分类器失效的部分测试样本定义新的近似邻域半径,有效提升分类器的泛化能力.实验表明,NNC-AR的F1值和分类精度均较高.
文献关键词：
邻域粗糙集;邻域分类器;邻域半径;自适应半径
中图分类号：
作者姓名：
张清华;肖嘉瑜;艾志华;王国胤
作者机构：
重庆邮电大学 计算智能重庆市重点实验室 重庆 400065;重庆邮电大学 旅游多源数据感知与决策技术文化和旅游部重点实验室 重庆 400065
文献出处：
引用格式：
[1]张清华;肖嘉瑜;艾志华;王国胤-.自适应半径选择的近邻邻域分类器)[J].模式识别与人工智能,2022(11):989-998
A类：
自适应半径,邻域分类器,Clas,sifier
B类：
邻域粗糙集,邻域半径,分类性能,构建方式,经过训练,训练过程,通用性,样本分布,Near,Neighborhood,Adaptive,Radius,Selection,NNC,近邻算法,训练样本,主观性,定义新,泛化能力,分类精度
AB值：
0.216666
相似文献
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。
