一种序列的加权kNN分类方法

朱明旱; 罗大庸; 易励群

您当前的位置：

首页 >

文章列表页 >

一种序列的加权kNN分类方法

论文 | 更新时间：2025-07-16

- 一种序列的加权kNN分类方法
- A Sequential Weighted k-Nearest Neighbor Classification Method
- 电子学报 2009年37卷第11期页码：2584-2588
- 作者机构：
  
  1. 中南大学信息科学与工程学院,湖南,长沙,410083
  2. 湖南文理学院电气与信息工程学院,湖南,常德,415000
  3. 湖南文理学院现代教育技术中心,湖南,常德,415000
  4. 中南大学信息科学与工程学院湖南长沙,410083
  5. 湖南文理学院电气与信息工程学院湖南常德,415000
  6. 湖南文理学院现代教育技术中心湖南常德,415000
- 作者简介：
- 基金信息：
  
  湖南省教育厅科研项目 (No.08C606);国家自然科学基金项目 (No.60776834)
- DOI：
  中图分类号： TP391
- 纸质出版：2009
- 稿件说明：
移动端阅览
朱明旱, 罗大庸, 易励群. 一种序列的加权kNN分类方法[J]. 电子学报, 2009,37(11):2584-2588.

ZHU Ming-han, LUO Da-yong, YI Li-qun. A Sequential Weighted k-Nearest Neighbor Classification Method[J]. Acta Electronica Sinica, 2009, 37(11): 2584-2588.
朱明旱, 罗大庸, 易励群. 一种序列的加权kNN分类方法[J]. 电子学报, 2009,37(11):2584-2588. DOI：

ZHU Ming-han, LUO Da-yong, YI Li-qun. A Sequential Weighted k-Nearest Neighbor Classification Method[J]. Acta Electronica Sinica, 2009, 37(11): 2584-2588. DOI：

摘要

针对加权kNN(k-Nearest Neighbor)方法在对样本进行分类时

仅仅只利用了它的k近邻点来进行分类决策的不足

提出了一种序列的加权kNN分类方法.该方法在对某个测试样本进行分类时

除了利用它k近邻点所提供的类别信息外

还有效地利用了前面已分类样本的类别信息

这使得测试样本的分类决策更加合理和有效.在Cohn-Kanade人脸库上进行的表情识别实验表明

在序列样本分类的场合

该方法的分类效果比加权kNN方法更好.

Abstract

Aim at the defect that weighted

-nearest neighbor method classifies one test sample only using the class information of its

-nearest samples

a sequential weighted k-nearest neighbor classification method is proposed in this paper.Not only the class information offered by

-nearest neighbor points of test sample but also the class information of previous test sample is used for classification in the proposed method.So its decision-making processing is more reasonable and effective.The experimental results of facial expression recognition in Cohn-Kanade face database show the method is better than weighted k-nearest neighbor method for the classification of sequential samples.

关键词

Keywords

references

浏览量

1224

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

故障诊断的复投影空间理论

人工神经网络理论研究进展