欢迎来到天天文库
浏览记录
ID:34123601
大小:2.87 MB
页数:61页
时间:2019-03-03
《贝叶斯核近邻分类方法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、分类号:密级:UDC:编号:硕士学位论文贝叶斯核近邻分类方法研究论文作者:李潇潇学生类别:全日制学科门类:工学学科专业:通信与信息系统指导教师:周亚同职称:教授资助基金项目:河北自然科学基金(F2013202254)、教育部人文社会科学研究规划基金(15YJA630108)ThesisSubmittedtoHebeiUniversityofTechnologyforTheMasterDegreeofCommunicationandInformationSystemBayesiankernelneare
2、stneighborclassificationmethodbyLiXiaoxiaoSupervisor:Prof.ZhouYatongFebruary2016ThisworksupportedbyHebeiProvinceNaturalScienceFoundation(F2013202254)andMinistryofEducationofHumanityandSocialScienceResearchPlanningFoundation(15YJA630108).摘要分类方法设计是模式识别技术的
3、核心。在模式识别领域的众多分类方法中,近邻法是最基本最直观的分类方法之一。贝叶斯核近邻法(BKNN)是近邻法的一种改进,通过将贝叶斯推理与核方法同时作用于近邻法,不仅为分类结果赋予了概率意义,而且在实现参数自动选择的同时提高了分类性能。但是BKNN在计算效率和分类准确率等方面仍存在着不足。为了进一步改善BKNN的性能,本文对之展开深入研究,主要工作概述如下:(1)剪辑贝叶斯核近邻分类方法(E-BKNN)研究虽然BKNN具有诸多优势,但这种方法是以牺牲效率为代价来提升分类准确率的。为了提升计算效率,本文
4、深入分析了wilson提出的的剪辑法,并将其与贝叶斯核近邻法结合,进而构建了剪辑贝叶斯核近邻法(E-BKNN),对BKNN进行加速。E-BKNN首先使用剪辑法对样本集中类边界的混叠样本及噪声样本进行清理,以获得高质量的样本集。然后,再使用处理后的训练样本集,通过传统BKNN进行最终分类。理论分析及实验结果表明:E-BKNN与BKNN相比有两个优势:第一,由于剪辑后获得了更有利于分类的高质量训练样本集,而提高了分类准确率;第二,由于在剪辑的过程中去掉了一些样本,因此减少了分类时间与存储量,提升了计算效率
5、,增强了实用性。(2)基于最优核距离的贝叶斯核近邻分类方法(opt-BKNN)研究传统BKNN在核空间中仍然采用欧氏距离作为距离度量。但是在高维核空间中,类后验概率恒定这一假设并不成立,此外在一些实际应用场合,有效样本数量较少,使用欧式距离作为度量会导致分类性能不佳。为了解决上述问题,本文将short提出的最优距离推广至核空间,提出“最优核距离”的概念,并以此构建了基于最优核距离的贝叶斯核近邻分类(opt-BKNN)方法。opt-BKNN首先使用欧式距离确定待分类样本的一个小邻域,并在此邻域内计算最优
6、核距离,最后采用该距离度量对样本进行分类。理论分析及实验结果表明:由于opt-BKNN中使用了最优核距离度量,有效提升了分类准确率。另外opt-BKNN引入了一个待定的小邻域参数m。本文也探讨了参数m的取值规律。关键词:核近邻法;贝叶斯推理;剪辑法;最优核距离;分类方法IABSTRACTThedesignoftheclassifieristhecorepartofpatternrecognition.Therearemanyclassificationmethodofpatternrecognitio
7、n.Amongthem,nearestneighbormethodisthemostfundamentalandintuitiveclassificationmethod.Bayesiankernelnearestneighbormethod(BKNN),whichappliedbayesianinferenceandkernelmethodtonearestneighbormethodmeanwhile,isanimprovedmethodbasedonnearestneighbormethod.B
8、KNNalgorithmgavetheresultsofprobabilisticsense,completedtheautomaticselectionoftheparameters,andimprovedclassificationperformance.InordertoMakeupthedefectsofBayesiankernelnearestneighbormethodandenhancetheclassificationaccuracyof
此文档下载收益归作者所有