最近鄰分類的若干改進(jìn)算法研究.pdf

1、眾所周知,分類決策是模式識(shí)別領(lǐng)域中最基本和最重要的問題之一,在計(jì)算機(jī)視覺領(lǐng)域內(nèi)也是一個(gè)非?；钴S的研究課題。如何找到一個(gè)行之有效的分類識(shí)別算法,以提高模式識(shí)別率便成為了一個(gè)關(guān)鍵問題。KNN作為一種經(jīng)典的分類算法,廣泛應(yīng)用于字符識(shí)別、人臉識(shí)別等各個(gè)方面。但是KNN也有其不足的地方,對(duì)于KNN的改進(jìn)一直學(xué)者們研究的熱點(diǎn),目前已經(jīng)有很多的改進(jìn)方法。這些改進(jìn)方法或提高KNN算法的分類效率,或改善分類算法的分類性能。
　　 本研究主要內(nèi)容包

2、括：⑴綜述了模式分類的算法,概括總結(jié)了KNN的若干改進(jìn)算法；⑵針對(duì)傳統(tǒng)KNN的不足和局部均值算法無法處理非均衡數(shù)據(jù)的弱點(diǎn),提出了K-最近鄰均值算法。在NUST603HW手寫體漢字庫和CENPARMI阿拉伯?dāng)?shù)字庫上的實(shí)驗(yàn)結(jié)果表明：K-最近鄰均值算法在識(shí)別率上高于傳統(tǒng)KNN算法,并且在非均衡數(shù)據(jù)下比局部均值算法具有更優(yōu)的分類性能；⑶提出了一個(gè)K-最近鄰回歸分類算法,該算法充分利用K-最近鄰的結(jié)構(gòu)信息,彌補(bǔ)了KNN的不足。在Yale B,FK