【技术实现步骤摘要】
本专利技术涉及图像处理
，特别涉及一种基于K近邻方法的加权收缩方法。
技术介绍
近五十年来，模式识别和机器学习理论与技术得到了迅速的发展。近邻法作为模 式识别的一种典型分类方法，它最初在1968年被提出。这种方法虽然分类结果不是最好 的，但是它的计算复杂度小，便于实现，因此得到了广泛的应用。k近邻法是近邻法的直接拓 展方法，为了减少k近邻法的计算量和存储量，人们进行了不少研究，产生了例如剪辑近邻 法、压缩近邻法等方法。虽然这些方法在一定程度上减少了运算的复杂度，但是也对分类效 果有一定的负面影响。另外，这些方法中各个分类器中的样本点都是同级别的，因此比较重 要的样本在这些方法的分类过程中的作用不能体现出来。通常情况下，在进行模式分类的过程中，需要先将样本集划分为训练样本和测试 样本(有很多方法来进行划分)，然后使用训练样本进行分类器的参数设计，再使用测试样 本测试分类器的错误率，以此分析分类算法的优劣。具体到k近邻方法上，就是要确定一组 训练样本，然后对每个测试样本，找到它最近的k个训练样本点，将它分到k个训练样本中 所属最多的那个类内，类似于多数投票的...
【技术保护点】
一种基于Ｋ近邻方法的加权收缩方法，其特征在于，包括以下步骤：划分样本集中的属于各个分类的训练样本和测试样本；对每个分类中的训练样本分别进行预定次数的样本点收缩以得到各个分类对应的训练集数据，并计算收缩后各个样本点的权重值；和根据距离所述测试样本最近的训练集数据中Ｋ个样本点的权重值对所述测试样本进行分类。
【技术特征摘要】
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。