-
题名参数独立的加权局部均值伪近邻分类算法
被引量：2
- 1
-
-
作者
蔡瑞光
张德生
肖燕婷
-
机构
西安理工大学理学院
-
出处
《计算机应用》
CSCD
北大核心
2021年第6期1694-1700,共7页
-
基金
国家自然科学基金青年科学基金资助项目(11801438)。
-
文摘
针对局部均值伪近邻(LMPNN)算法对k值敏感且忽略了每个属性对分类结果的不同影响等问题,提出了一种参数独立的加权局部均值伪近邻分类(PIW-LMPNN)算法。首先,利用差分进化算法的最新变体——基于成功历史记录的自适应参数差分进化(SHADE)算法对训练集样本进行优化,从而得到最佳k值和一组与类别相关的最佳权重;其次,计算样本间的距离时赋予每类的每个属性不同的权重,并对测试集样本进行分类。在15个实际数据集上进行了仿真实验,并把所提算法与其他8种分类算法进行了比较,实验结果表明,所提算法的分类准确率和F1值分别最大提高了约28个百分点和23.1个百分点;同时Wilcoxon符号秩检验、Friedman秩方差检验以及Hollander-Wolfe两处理的比较结果表明,所提出的改进算法在分类精度以及k值选择方面相较其他8种分类算法具有明显优势。
-
关键词
局部均值伪近邻算法
特征权重
优化模型
基于成功历史记录的自适应参数差分进化
参数自适应
-
Keywords
local mean-based pseudo nearest neighbor(lmpnn)algorithm
feature weighting
optimization model
Success-History based parameter Adaptation for Differential Evolution(SHADE)
parameter adaption
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
