10.3321/j.issn:0372-2112.2009.11.041
一种序列的加权kNN分类方法
针对加权kNN(k-Nearest Neighbor)方法在对样本进行分类时,仅仅只利用了它的k近邻点来进行分类决策的不足,提出了一种序列的加权kNN分类方法.该方法在对某个测试样本进行分类时,除了利用它k近邻点所提供的类别信息外,还有效地利用了前面已分类样本的类别信息,这使得测试样本的分类决策更加合理和有效.在Cohn-Kanade人脸库上进行的表情识别实验表明,在序列样本分类的场合,该方法的分类效果比加权kNN方法更好.
加权KNN、流形、贝叶斯规则、序列的加权kNN
37
TP391(计算技术、计算机技术)
湖南省教育厅科研项目08C606;国家自然科学基金项目60776834
2010-01-29（万方平台首次上网日期，不代表论文的发表时间）
共5页
2584-2588
