عنوان
الگوريتم طبقه بندي نزديکترين همسايه وفقي با انتخاب محلي پارامتر K
نویسنده (گان)
رضايي,زهرا;طاهري,محمد;ذوالقدري جهرمي,منصور
چکیده مقاله
يکي از مسائل مطرح در طبقه بندي کننده k نزديک ترين همسايه، تعيين اندازه همسايگي است. تحقيقات نشان داده اند تعيين بهينه مقدار k تاثير بسزايي در ميزان دقت حاصل از طبقه بندي اين نوع طبقه بندي کننده دارد از همين رو، کارهاي بسياري جهت تعيين سايز همسايگي به صورت کلي براي هر مجموعه داده و يا به صورت محلي به ازاي هر نمونه، صورت گرفته است. در اين مقاله يک تکنيک k نزديکترين همسايه وفقي ارائه شده که در فاز اول، با توجه به همسايگي هر نمونه آموزشي (الگو)، يک مقدار مناسب k به هر يک انتساب داده مي شود. سپس در فاز دوم، با استفاده از مفهوم وزن دهي به الگوها، فاصله اي وفقي بين يک نمونه تست و يک الگو تعريف مي شود. سپس وزن الگوها به گونه اي تنظيم مي شود که منجر به افزايش نرخ طبقه بندي leave one out بر روي مجموعه داده آموزشي شود. در فاز طبقه بندي، نزديکترين الگوي هر نمونه تعيين و از مقدار k آن، براي طبقه بندي استفاده مي شود. روش پيشنهادي با شيوه هاي KNN وفقي ارائه شده در تحقيقات گذشته، بر روي تعدادي مجموعه داده استاندارد، مقايسه شده است. نتايج نشان مي دهد که الگوريتم ارائه شده نه نتها اندازه مجموعه داده را کاهش مي دهد بلکه در بسياري از موارد، بهتر از ساير الگوريتم ها عمل مي کند. علاوه بر اين در حضور نويز، تقريبا در همه مجموعه هاي داده، دقت بيشتري را در بردارد.

متن کامل مقاله