文献类型：期刊文章

作　　者：宗鸣[1,2] 龚永红[3] 文国秋[1] 程德波[1,2] 朱永华[4]

ZONG Ming GONG Yonghong WEN Guoqiu CHENG Debo ZHU Yonghua(College of Computer Science and Information Technology,Guangxi Normal University,Guilin Guangxi 541004,China Guangxi Collaborative Innovation Center of Multi-source Information Integration and Intelligent Processing, Guigang Guangxi 537000,China Department of Information Engineering,Guilin University of Aerospace Technology, Guilin Guangxi 541004,China School of Computer, Electronics and Information, Guangxi University, Nanning Guangxi 530004,China)

机构地区：[1]广西师范大学计算机科学与信息工程学院,广西桂林541004 [2]广西区域多源信息集成与智能处理协同创新中心,广西贵港537000 [3]桂林航天工业学院信息工程系,广西桂林541004 [4]广西大学计算机与电子信息学院,广西南宁530004

出　　处：《广西师范大学学报（自然科学版）》

基　　金：国家自然科学基金资助项目(61450001;61263035;61573270);国家973计划项目(2013CB329404);中国博士后科学基金资助项目(2015M570837);广西自然科学基金资助项目(2012GXNSFGA060004;2015GXNSFCB139011;2015GXNSFAA139306)

年　　份：2016

卷　　号：34

期　　号：3

起止页码：39-45

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAB、CAS、CSA、CSA-PROQEUST、IC、PROQUEST、RCCSE、WOS、ZGKJHX、ZMATH、ZR、核心刊

摘　　要：在kNN算法分类问题中,k的取值一般是固定的,另外,训练样本中可能存在的噪声能影响分类结果。针对以上存在的两个问题,本文提出一种新的基于稀疏学习的kNN分类方法。本文用训练样本重构测试样本,其中,l_1-范数导致的稀疏性用来对每个测试样本用不同数目的训练样本进行分类,这解决了kNN算法固定k值问题;l_(21)-范数产生的整行稀疏用来去除噪声样本。在UCI数据集上进行实验,本文使用的新算法比原来的kNN分类算法能取得更好的分类效果。

关 键 词：稀疏学习  重构  l1-范数  l21-范数  噪声样本  

分 类 号：TP181]