计算机应用

作者：蔡瑞光, 张德生, 肖燕婷

单位：西安理工大学 理学院, 西安 710054

关键词：局部均值伪近邻算法,特征权重,优化模型,基于成功历史记录的自适应参数差分进化,参数自适应

基金：国家自然科学基金青年科学基金资助项目（11801438）。

针对局部均值伪近邻（LMPNN）算法对k值敏感且忽略了每个属性对分类结果的不同影响等问题，提出了一种参数独立的加权局部均值伪近邻分类（PIW-LMPNN）算法。首先，利用差分进化算法的最新变体——基于成功历史记录的自适应参数差分进化（SHADE）算法对训练集样本进行优化，从而得到最佳k值和一组与类别相关的最佳权重；其次，计算样本间的距离时赋予每类的每个属性不同的权重，并对测试集样本进行分类。在15个实际数据集上进行了仿真实验，并把所提算法与其他8种分类算法进行了比较，实验结果表明，所提算法的分类准确率和F1值分别最大提高了约28个百分点和23.1个百分点；同时Wilcoxon符号秩检验、Friedman秩方差检验以及Hollander-Wolfe两处理的比较结果表明，所提出的改进算法在分类精度以及k值选择方面相较其他8种分类算法具有明显优势。

来源：2021年第6期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第6期