所有作者：于飞 顾宏
作者单位：大连理工大学自动化系
论文摘要：近年来，数据挖掘引起了信息产业界的极大关注，其主要原因是存在大量数据，可以广泛适用，并且迫切需要将这些数据转换成有用的信息和知识。获取的信息和知识可以广泛用于各种应用，包括商务管理、生产控制、市场分析、工程设计和科学探索。本文主要关注于数据挖掘的一个分支分类问题，设计了一个集成的基于距离学习的KNN分类器。该分类器在集成学习过程中采用了属性过滤和对输入端添加扰动的方法，在保证了子分类器的精确度的基础上增加了子分类器的差异性，在距离学习过程中，借鉴邻近成分分析的方法，针对留一法交错验证进行最优化计算，实验数据表明，新分类器的分类效果比传统的KNN和单一的距离学习分类方法有显著提升。
关键词： 数据挖掘 集成学习 KNN分类器 距离学习 邻近成分分析
免费下载《基于距离学习的集成KNN分类器》PDF全文（已停止下载）
本站“论文下载”文章收集整理于“中国科技论文在线”，由于各种原因，本站已暂停论文下载！请前往“中国科技论文在线http://www.paper.edu.cn/”免费下载！
下一篇：一种改进的恒模波束形成算法
指出，范文大全立刻进行改正或删除有关内容! 
当前位置：