不均衡数据集中KNN分类器样本裁剪算法

摘要：

针对KNN算法在分类时的样本相似度计算开销大,在处理不均衡数据集时少数类分类误差大的问题,提出一种在不均衡数据集下基于密度的训练样本裁剪算法.对训练样本的各个样本类进行聚类,删除噪声数据并计算每个样本类的平均相似度和样本平均密度,以此获得样本类裁剪的相似度阈值,然后将样本类内相似度小于类相似度阈值的样本进行合并,减少训练样本总数.实验表明,此样本裁剪算法能够在保持KNN算法分类性能基本稳定的前提下,有效地减少分类计算开销,并能在一定程度上提高少数类的分类性能.

关键词：KNN分类、聚类、样本裁剪、密度、相似度

所属期刊栏目：13

分类号：TP391.4(计算技术、计算机技术)

资助基金：教育部科学技术研究重点项目208148;海南省自然科学基金项目612136;琼台师范高等专科学校项目qtkz201115

在线出版日期：2013-08-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：4720-4723