基于核的K近邻法  

Kernel-based K-Nearest Neighbor Classification

作　　者：周彦利[1] 周创明[1] 王晓丹[1] 

机构地区：[1]空军工程大学导弹学院

出　　处：《航空计算技术》2006年第5期62-64,共3页Aeronautical Computing Technique

基　　金：陕西省自然科学基金资助项目(2004F36)

摘　　要：将核学习方法的思想应用于K近邻法中,提出了一种核K近邻算法,算法的主要思想是:首先将原空间中待分类的样本经过一个非线性映射,映射到一个高维的核空间中,突出各类样本之间的特征差异,然后在这个核空间中进行K近邻分类。为了验证算法的有效性,分别利用人工和实际数据进行K近邻分类和核K近邻分类,实验结果显示对于一些特殊的类分布数据,核K近邻分类比K近邻分类具有更好的分类效果。In order to overcome the disadvantages of traditional K - NN classification algorithm, this paper proposes a K - nearest neighbor classification algorithm based on kernel. The idea of the algorithm is firstly to map the data from their original space to a high dimensional space （ or kernel space） where the data are expected to be more separable, then to perform K - NN classification in the high dimensional space. The performance of new algorithm is demonstrated to be superior to that of K - NN classification algorithm by experiments on artificial and real data.

关 键 词：核K近邻分类 K近邻分类 核函数 支持向量机 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]