基于互邻信息的树型近邻分类方法

作     者：尹涛 胡新平 鞠恒荣 黄嘉爽 丁卫平 Yin Tao;Hu Xinping;Ju Hengrong;Huang Jiashuang;Ding Weiping

作者机构：南通大学信息科学技术学院江苏南通216002 

出 版 物：《南京理工大学学报》 (Journal of Nanjing University of Science and Technology)

年 卷 期：2023年第47卷第2期

页      面：166-173页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(62006128,62102199,61976120) 江苏省自然科学基金(BK20191445) 江苏省双创博士计划((2020)30986) 江苏省高等学校自然科学研究重大项目(21KJA510004) 南通市科技计划项目(JC2021122) 中国博士后科学基金(2022M711716) 江苏省研究生科研与实践创新计划项目(SJCX21_1447) 

主　　题：k近邻分类算法 最优邻居 回归模型 树型近邻模型 数据挖掘 

摘      要：为了提升分布不均匀样本的分类性能,该文提出了一种基于互邻信息的树型近邻(Tree-based k近邻,k Tree)分类方法,以此提高k近邻分类的准确率。首先,采用回归模型刻画样本之间的紧密程度,获取每个样本的最优k值,从而获得最优邻居,并采用k Tree提升搜索效率。其次,对于每一个测试样本,基于互邻信息准则,确定其邻域空间,完成k近邻分类。最后,数据集的试验结果表明,该文提出的基于互邻信息的k Tree分类准确率高于传统k近邻分类等其他分类算法。该文提出的方法也为k近邻分类的改进提供了新的方向。