咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >基于K近邻的众包数据分类算法 收藏

基于K近邻的众包数据分类算法

Crowdsourcing data classification algorithm via K-nearest neighbor

作     者:李佳烨 余浩 Li Jiaye;Yu Hao

作者机构:广西师范大学广西多源信息挖掘与安全重点实验室广西桂林541004 中南大学计算机学院长沙410083 

出 版 物:《计算机应用研究》 (Application Research of Computers)

年 卷 期:2020年第37卷第4期

页      面:973-976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:国家重点研发计划资助项目(2016YFB1000905) 国家自然科学基金资助项目(61170131,61263035,61573270,90718020) 国家“973”计划资助项目(2013CB329404) 中国博士后科学基金资助项目(2015M570837) 广西自然科学基金资助项目(2015GXNSFCB139011,2015GXNSFAA139306) 

主  题:众包数据 质量控制 K近邻投票 多数投票 

摘      要:针对众包数据处理中的质量控制问题,提出了一种加权K近邻投票分类方法。该方法不单单只是考虑了某个样例的标记来返回一个答案,而是通过综合考虑样例的近邻来得到更加准确的答案。同时对样例的近邻加以适当的权重来进一步提高算法的性能,并保持了传统多数投票分类的简单性。K近邻投票分类算法可以有效地解决缺乏标记的情况,通过对近邻加以权重可以解决不平衡标记造成的影响,从而使算法的泛化性更强。通过各种场景下的实验,结果表明加权K近邻投票分类方法取得了很好的效果。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分