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

来源：南京理工大学学报, 2023, 47(02): 166-173.

DOI：10.14177/j.cnki.32-1397n.2023.47.02.005

• 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

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，kTree)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kTree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kTree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。

• 出版日期2023
• 单位南通大学