计算机工程

作者：刘利, 张德生, 肖燕婷

单位：西安理工大学 理学院, 西安 710054

关键词：k近质心近邻算法,隶属度,冗余分析,特征选择,数据分类

基金：国家自然科学基金青年科学基金项目（11801438）。

模糊k近质心近邻算法（FKNCN）的分类结果易受噪声点和离群点影响，并且算法对所有样本特征同等对待，不能体现样本特征的差异性。针对这两个问题，提出基于隶属度的模糊加权k近质心近邻算法MRFKNCN。利用密度聚类思想构造新的隶属度函数计算训练样本的隶属度，以减小噪声或离群样本对分类结果的影响。在此基础上，设计基于冗余分析的Relief-F算法计算每个特征的权重，删去较小权重所对应的特征和冗余特征，并通过加权欧氏距离选取有代表性的k个近质心近邻，提高分类性能。最终，根据最大隶属度原则确定待分类样本的类别。利用UCI和KEEL中的多个数据集对MRFKNCN算法进行测试，并与KNN、KNCN、LMKNCN、FKNN、FKNCN2和BMFKNCN算法进行比较。实验结果表明，MRFKNCN算法的分类性能明显优于其他6个对比算法，平均准确率最高可提升4.68个百分点。

来源：2022年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第7期