基于PSO面向K近邻分类的特征权重学习算法

摘要：

特征权重学习是基于特征赋权的K近邻算法需要解决的重要问题之一,传统上提出了许多启发式的学习方法.近年来,随着进化计算技术在模式识别及数据挖掘领域的广泛应用,基于进化计算的权重学习和距离学习方法也得到越来越多的重视.本研究针对基于特征赋权的K近邻算法的权重学习问题,提出了一种基于PSO进行权重学习的算法PSOKNN,通过与传统KNN、GAKNN及ReliefKNN的实验比较分析表明,该方法可有效地搜索出合适的特征权重,获得较好的分类精度并淘汰冗余或无关的特征.

关键词：特征赋权、K近邻分类、粒子群算法

所属期刊栏目：34

分类号：TP3(计算技术、计算机技术)

资助基金：国家自然科学基金60573097;广东省自然科学基金04300462;05200302

在线出版日期：2007-07-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：187-189