Hits :

First Author : 徐晓丹

Date of Publication : 2015-01-01

Journal : 计算机工程与科学

Affiliation of Author(s) : 数理与信息工程学院

Document Type : 期刊

Volume : 第37卷

Issue : 第10期

Page Number : 1959-1964

ISSN : 1007-130X

Key Words : 分类；映射关系；局部加权回归；k-NN；懒惰学习

Abstract : 分类是数据挖掘和数据分析中最有应用价值的技术之一。传统的积极学习方法需要预先对模型空间进行假设,并且没有充分考虑到实例之间的相关性,其泛化能力将会受到一定程度的影响。针对上述问题,提出了一种基于新型映射关系的局部加权回归方法 MLWR。该算法首先找出测试样本在训练集中的近邻样本,然后建立测试样本和近邻样本的回归函数,根据建立的回归模型和近邻样本的标签,计算得到测试样本的标签。实验与当前流行的多种分类方法在UCI的9个数据集上进行测试。实验结果表明我们的方法能有效地提高分类精度,对较大样本数据也有较好的适用

Translation or Not : no