文献类型：期刊文章

作　　者：朱明旱[1,2] 罗大庸[1] 易励群[3]

机构地区：[1]中南大学信息科学与工程学院,湖南长沙410083 [2]湖南文理学院电气与信息工程学院,湖南常德415000 [3]湖南文理学院现代教育技术中心,湖南常德415000

出　　处：《电子学报》

基　　金：湖南省教育厅科研项目(No.08C606);国家自然科学基金项目(No.60776834)

年　　份：2009

卷　　号：37

期　　号：11

起止页码：2584-2588

语　　种：中文

收录情况：BDHX、BDHX2008、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：20095312588428)、IC、INSPEC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：针对加权kNN(k-Nearest Neighbor)方法在对样本进行分类时,仅仅只利用了它的k近邻点来进行分类决策的不足,提出了一种序列的加权kNN分类方法.该方法在对某个测试样本进行分类时,除了利用它k近邻点所提供的类别信息外,还有效地利用了前面已分类样本的类别信息,这使得测试样本的分类决策更加合理和有效.在Cohn-Kanade人脸库上进行的表情识别实验表明,在序列样本分类的场合,该方法的分类效果比加权kNN方法更好.

关 键 词：加权kNN  流形 贝叶斯规则 序列的加权kNN  

分 类 号：TP391]