科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于局部均值的KNN分类（LMKNN）算法使用了局部均值点来反映样本间的相似性，可以提高分类的正确率。但局部均值点对于分类却依然具有相同的权重，然而不同近邻点应当具有不同的权重。近质心近邻分类（K-Nearest Centroid Neighbor Classifier,KNCN）算法中近质心近邻可以反映样本的几何分布信息，但基于简单的最大投票原则也导致近邻点具有相同权重。故提出了基于局部多均值的K-近质心近邻分类（The Multi-Local Means-Based K-Nearest Centroid Neighbor Classifier,LMRKNCN）算法，为了验证该算法的分类有效性，选取较新的四种对比算法在真实数据集上进行实验比较，结果表明LMRKNCN的分类性能优于其他对比算法。
- 单位
