最近鄰分類器樣本預(yù)處理技術(shù)新方法的研究.pdf

1、最近鄰分類器作為模式分類領(lǐng)域一種簡單而有效的分類方法，有著廣泛的應(yīng)用。但是在實(shí)際問題中，特別是在不同類別的分布空間有重疊的情況下，其分類性能會有較明顯的下降。針對這個問題，本文引入了自然界中的引力塌縮現(xiàn)象，并根據(jù)這種現(xiàn)象，針對模式分類問題在特征空間中進(jìn)行了模擬，建立了模擬引力塌縮模型。通過在樣本上模擬引力塌縮現(xiàn)象，從而達(dá)到樣本分布范圍適當(dāng)壓縮的效果，并通過對樣本分布范圍適當(dāng)?shù)膲嚎s，達(dá)到減少不同類別分布之間的重疊區(qū)域的樣本，從而提高最近鄰

2、分類器的分類正確率的目的。 根據(jù)模擬引力塌縮模型，本文提出了一種新的最近鄰分類器樣本預(yù)處理算法——模擬引力塌縮算法(SGC)，并針對該方法的性質(zhì)和作用進(jìn)行理論的分析。經(jīng)在兩個人工數(shù)據(jù)集和八個標(biāo)準(zhǔn)真實(shí)問題數(shù)據(jù)集上的實(shí)驗(yàn)，SGC算法在所有數(shù)據(jù)集上都提升了最近鄰分類器的分類準(zhǔn)確率。在絕大多數(shù)數(shù)據(jù)集上，基于SGC算法的最近鄰分類器甚至超越了k近鄰分類器，均取得了最高的分類準(zhǔn)確率。 本文將SGC算法應(yīng)用于基于基因芯片的腫瘤預(yù)測問題