文献类型：期刊文章

作　　者：陈振洲[1] 李磊[1] 姚正安[2]

机构地区：[1]中山大学软件研究所,广东广州510275 [2]中山大学数学与计算科学学院,广东广州510275

出　　处：《中山大学学报（自然科学版）》

基　　金：广东省工业攻关计划项目(2004B10101004)

年　　份：2005

卷　　号：44

期　　号：1

起止页码：17-20

语　　种：中文

收录情况：AJ、BDHX、BDHX2004、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、IC、INSPEC、JST、MR、PROQUEST、RCCSE、RSC、SCOPUS、WOS、ZGKJHX、ZMATH、ZR、核心刊

摘　　要：作为一种非参数的分类算法,K＿近邻(KNN)算法是非常有效和容易实现的。它已经广泛应用于分类、回归和模式识别等。在应用KNN算法解决问题的时候,要注意两个方面的问题———样本权重和特征权重。利用SVM来确定特征的权重,提出了基于SVM的特征加权算法(FWKNN,featureweightedKNN)。实验表明,在一定的条件下,FWKNN能够极大地提高分类准确率。

关 键 词：支持向量机 K-近邻算法 距离加权 特征加权

分 类 号：TP301.6]