论文部分内容阅读
K近邻分类算法已被广泛应用于模式识别中。为了有效处理识别问题中的不确定信息并提高数据分类精度，提出了一种新的证据K_NN（NEK—NN）分类算法。首先从总的训练集中随机重复采样来构造多个训练样本子集。在每个训练子集中，利用目标数据与其各个近邻的距离分别构造基本置信指派，并根据K个近邻数据在每个类别中的数目来对构造的置信指派进行加权。然后，利用Ds规则对加权证据融合。根据每个训练子集下融合结果的算术平均值来判断目标的类别属性。通过模拟数据集和真实数据集的实验，将NEK—NN算法与其他几种常见的方法做了对比分